字符编码转换问题

字符字符编码转换编码转换 常用编码方式常用编码方式 UTF-8UTF-8，ISO-8859-1(ISO-8859-1(单字节单字节),GBK),GBK 1.编码 String 类的 getBytes(String charset)/根据指定的编码方式编码， 并返回该字符串在该编码下的字节数组。如果使用 getBytes()不声 明编码方式则使用下操作系统默认的编码方式。 byte b = name.getByte(“UTF-8”); 2.解码 String 类的构造方法，String(byte b,String charset)/根据指定 的编码方式进行解码，即将字节数组还原成字符串。此方法返回一 个字符串。 String str = new String(b ,”UTF-8”) 3.过程 字符串先编译成 unicode 形式，再转换成 UTF-8/GBK 的字符串， 再将字符串的字节二进制取反码存储，显示在控制台的是反码的十 进制表示。如中文的“丁” ，转换成 unicode 为 4E 01 两个字节， 然后将其转化为二进制 01001111 00000001，分析可知需要 3 个 字节才能转换，所以将二进制数按从低到高依次填入格式 0800- FFFF 格式中，高位不够用 0 填充。转换后得到 E4 B8 81 三个字节， 取他们的补码再转换成十进制的符号数，组成 UTF-8 字节数组-28 - 72 -127 保存。 4.英文字符串编码和解码 举例：将字符串用三种方式编码 String name = “jay”; byte b = name.getByte(“UTF-8”); byte b = name.getByte(“ISO-8859-1”); byte b = name.getByte(“GBK”); 将每种编码获得的每个字节输出： UTF-8 编码：106 97 121 iso-8859-1 编码：106 97 121 GBK 编码：106 97 121 从结果可以看出，对于英文字符串，三种编码方式所得的字节 UnicodeUTF-8 00000000-0000007F0xxxxxxx 00000080 000007FF 110xxxxx 10xxxxxx 00000800 0000FFFF 1110xxxx 10xxxxxx 10xxxxxx 字符串Unicode 码 UTF-8 字节数组 在 java 内部被转 化 将二进制数加入 到 UTF-8 格式 中 取补码后转化成十 进制符号数 数组内容相同。所以可以在解码时，三种方式可以通用，但最 好编码的方式和解码的方式一致。如 String newname = new String(a,“UTF-8“); String newname = new String(a,“ISO-8859-1“); String newname = new String(a,“GBK“); 结果都能成功解码，而不出现乱码 UTF-8 解码：jay ISO-8859-1 解码：jay GBK 解码：jay 5.中文字符串编码与解码 String name = “周杰伦”; byte b = name.getByte(“UTF-8”); byte b = name.getByte(“ISO-8859-1”); byte b = name.getByte(“GBK”); 将中文字符串编码后的字节输出 UTF-8 编码：-27 -111 -88 -26 -99 -80 -28 -68 -90 ISO-8859-1 编码：63 63 63 GBK 编码：-42 -36 -67 -36 -62 -41 可见在不同的编码方式下，中文字符的字节数组表示不同， UTF-8 用三个字节表示一个汉字，GBK 用两个字节表示。因 为 ISO-8859-1 不能识别中文，所以会用英文的”?”来代替 中文，然后将“?”进行编码，所以一个中文用一个字节 63 表示。 注意：标点符号是全角还是半角。 (1)UTF-8 解码： String newname = new String(a,“UTF-8“) String newname = new String(a,“ISO-8859-1“) String newname = new String(a,“GBK“) 结果只有 UTF-8 可以解码，其他都是乱码。 UTF-8 解码：周杰伦 ISO-8859-1 解码：? GBK 解码：鍛澃浼? (2)ISO-8859-1 解码 String newname = new String(b,“UTF-8“) String newname = new String(b,“ISO-8859-1“) String newname = new String(b,“GBK“) 结果都不能解码，都是乱码。因为 ISO-8859-1 编码不能正常 识别，所以用”？”来代替中文，所以编译的是“?” ，所以三 种编码方式都可以解码，得到“?” UTF-8 解码：? ISO-8859-1 解码：? GBK 解码：? (3)GBK 解码 String newname = new String(c,“UTF-8“) String newname = new String(c,“ISO-8859-1“) String newname = new String(c,“GBK“) 结果只有 GBK 可以解码 UTF-8 解码：? ISO-8859-1 解码：? GBK 解码：周杰伦 (4)总结 从以上结果可以看出，中文字符的编码和解码的方式必须一致才能 正常解码。且 ISO-8859-1 编码方式用相同的方式解码依然是乱码， 不能正常解码。原因是因为 ISO8859-1 编码的编码不包含汉字字符， 所以无法使用 getByte()来进行编码，更别提解码了。 6编码方式的使用 (1) 在对内容进行编码时，一定要选择合适的编码方式。只含英文的 可以使用 ISO-8859-1 (2) 含中英文可以使用 UTF-8/GBK；GBK 包含全部中文字符；UTF- 8 则包含全世界所有国家需要用到的字符。 7网络传输中的编码转换 （1）选择合适的编码方式后: UTF-8 编码后的字节数组可以使用 GBK 和 ISO-8859-1 进行解码 进行传输，到达目的地后再使用 GBK 和 ISO-8859-1 进行编码取 原字节数组后，使用 UTF 进行解码就可以在目的地得到中文字符 了。 gbk 编码后只能用 iso8859-1 解码后编回去 （2）举例： String name = “周杰伦” byte b = name.getBytes(“utf-8“); String scode = new String(b,“iso-8859-1“); byte c = scode.getBytes(“iso-8859-1“); String sc = new String(c,“utf-8“); 结果 UTF-8 编码：-27 -111 -88 -26 -99 -80 -28 -68 -90 ISO-8859-1 解码后的值：? ISO-8859-1 编码：-27 -111 -88 -26 -99 -80 -28 -68 -90 UTF-8 解码后的值：周杰伦 （3）总结：虽然 ISO-8859-1 不能正