发布新日志

  • Java getBytes方法详解(字符集问题)

    2013-07-13 17:20:53

    1、Unicode是一种编码规范,是为解决全球字符通用编码而设计的,而rUTF-8,UTF-16等是这种规范的一种实现。

       2、java内部采用Unicode编码规范,也就是支持多语言的,具体采用的UTF-16编码方式。

       3、不管程序过程中用到了gbk,iso8859-1等格式,在存储与传递的过程中实际传递的都是Unicode编码的数据,要想接收到的值不出现乱码,就要保证传过去的时候用的是A编码,接收的时候也用A编码来转换接收。

       4、如果双方的file.encoding确保都相同,那就省事了,都默认转了,但往往在不同项目交互时很多时候是不一致的,这个时候是必须要进行编码转换的。

        5、无论如论转换,java程序的数据都是要先和Unicode做转换,这样也就是能处理多语言字符集的原因了。底层保持了一致,只要在传值和接值的时候也一致就肯定不会出现乱码了。


        6、在看懂以上5点之后,请参考demo示例如下:

             //Demo.java   该java文件编码方式为UTF-8

             

    package test;


    public class Demo {

    public static void main(String args[])throws Exception {

    String str = "中文字符";

    System.out.println("original string---" + str);// 会正常输出原始串

    /**

    * str.getBytes();//如果括号中不写charset,则采用的是Sytem.getProperty("file.encoding"),即当前文件的编码方式,

    * 很多人写的是系统的默认编码,通过代码测试并非如此,实际得到的是文件的编码方式*

    *  

    * str.getBytes("charset");//指定charset,即将底层存储的Unicode码解析为charset编码格式的字节数组方式

    *  

    * String new_str=new String(str.getBytes("utf-8"),"gbk"));

    * //将已经解析出来的字节数据转化为gbk编码格式的字符串,在内存中即为gbk格式的字节数组转为Unicode去交互传递

    */

    String new_str = new String(str.getBytes("utf-8"), "gbk");

        /**

         * 此时的输出是乱码,在UTF-8的file.encoding下输出gbk格式的数据肯定是乱码,但是new_str的确是gbk编码式的

         * 此时的乱码源于encoding不符,但gbk格式的new_str本身数据并没有问题,通过下面的转换也可以看得出来

         */

    System.out.println("new string----" + new_str);

    String final_str = new String(new_str.getBytes("gbk"), "utf-8");//此处的含意与最上边的注释是一致的参数含意

    /**

    *输出是正常的,此时将gbk编码格式的new_str字符串,用gbk这个charset去解析它,然后用utf-8再转码一次,

        因为new_str确实是gbk格式的,才能经过utf-8编码得到正常的数据显示。

    */

    System.out.println("final string---"+final_str);

    }

    }

Open Toolbar