编码问题

àì夳堔傛蜴生んèń 2023-08-17 17:38 48阅读 0赞

前提是str存放的有汉字

一、如果是new String(str.getBytes(“gbk”),“gbk”)时，可以分为两步：

第一步：byte\[\] bytes=str.getBytes(“gbk”)

告诉java虚拟机将中文以“gbk”的方式转换为字节数组。一个汉字对应两个字节。

第二步：String s=new String(bytes,“gbk”) // 执行后的s就是第一步的str。

告诉虚拟机将字节数组中的字节以“gbk”的方式将每2个字节组装成一个汉字。此汉字s就是第一步str代表的汉字。

二、如果new String(str.getBytes(“gbk”),“iso8859-1”)时

对应的第二步便是：

String s=new String(bytes,“iso8859-1”)时，此时是将每1字节组装成一个“?” 。此时的s是若干个“?”，我们可以把“?”看做是一种特殊的汉字，它代表的信息并没有损失是可以还原回来的。

三、如果new String(str.getBytes(“gbk”),“utf-8”)时

对应的第二步便是：

String s=new String(bytes,“utf-8”)时，此时是将每3字节组装成一个汉字。此汉字s就是第一步str代表的汉字。

实际的网络传输的过程中，是将汉字以utf-8编码后在网上传输，此种方式的好处就是节省带宽流量。IE浏览器中的internet选项下高级栏中有说“总是以utf-8传输数据”。

注意当字节数组用iso8859-1组装成的“?”，用utf-8编码此特殊的汉字时就会变成2个字节。

以上出处：https://blog.csdn.net/anxinliu2011/article/details/7515676

====================================================================

getBytes()方法

在Java中,String的getBytes()方法是得到一个操作系统默认的编码格式的字节数组。这表示在不同的操作系统下,返回的东西不一样!

String.getBytes(Stringdecode)方法会根据指定的decode编码返回某字符串在该编码下的byte数组表示,如:  
　　byte\[\] b\_gbk = "中".getBytes("GBK");  
　　byte\[\] b\_utf8 = "中".getBytes("UTF-8");  
　　byte\[\] b\_iso88591 = "中".getBytes("ISO8859-1");  
　　将分别返回"中"这个汉字在GBK、UTF-8和ISO8859-1编码下的byte数组表示,此时

b\_gbk的长度为2,

b\_utf8的长度为3,

b\_iso88591的长度为1。

new String(byte\[\],decode)方法

而与getBytes相对的,可以通过new String(byte\[\], decode)的方式来还原这个"中"字,

这个new String(byte\[\],decode)实际是使用指定的编码decode来将byte\[\]解析成字符串.  
　　String s\_gbk = new String(b\_gbk,"GBK");  
　　String s\_utf8 = new String(b\_utf8,"UTF-8");  
　　String s\_iso88591 = new String(b\_iso88591,"ISO8859-1");  
　　通过输出s\_gbk、s\_utf8和s\_iso88591,会发现s\_gbk和s\_utf8都是"中",而只有s\_iso88591是一个不被识别的字符（可以理解为乱码）,为什么使用ISO8859-1编码再组合之后,无法还原"中"字？原因很简单,

因为ISO8859-1编码的编码表根本就不包含汉字字符,当然也就无法通过"中".getBytes("ISO8859-1");来得到正确的"中"字在ISO8859-1中的编码值了,所以，再通过newString()来还原就更是无从谈起。  
　　因此,通过String.getBytes(Stringdecode)方法来得到byte\[\]时,一定要确定decode的编码表中确实存在String表示的码值,这样得到的byte\[\]数组才能正确被还原。

注意：

有时候,为了让中文字符适应某些特殊要求(如httpheader要求其内容必须为iso8859-1编码),可能会通过将中文字符按照字节方式来编码的情况,如:  
　　String s\_iso88591 = newString("中".getBytes("UTF-8"),"ISO8859-1"),这样得到的s\_iso8859-1字符串实际是三个在ISO8859-1中的字符,在将这些字符传递到目的地后,目的地程序再通过相反的方式

Strings\_utf8 = newString(s\_iso88591.getBytes("ISO8859-1"),"UTF-8")

来得到正确的中文汉字"中"，这样就既保证了遵守协议规定、也支持中文。

以上出处：https://blog.csdn.net/icanlove/article/details/44058749

转载于:https://www.cnblogs.com/skytoangel/p/11265301.html