Java如何做字符串编码转换.doc

Java 正确的做字符串编码转换字符串的内部表示？字符串在java中统一用unicode表示( 即utf-16 LE) ,对于String s = 你好哦!;如果源码文件是GBK编码, 操作系统（windows）默认的环境编码为GBK，那么编译时, JVM将按照GBK编码将字节数组解析成字符，然后将字符转换为unicode格式的字节数组，作为内部存储。当打印这个字符串时，JVM 根据操作系统本地的语言环境，将unicode转换为GBK，然后操作系统将GBK格式的内容显示出来。当源码文件是UTF-8, 我们需要通知编译器源码的格式，javac -encoding utf-8 . , 编译时，JVM按照utf-8 解析成字符，然后转换为unicode格式的字节数组， 那么不论源码文件是什么格式，同样的字符串，最后得到的unicode字节数组是完全一致的，显示的时候，也是转成GBK来显示（跟OS环境有关）乱码如何产生？ 本质上都是由于 字符串原本的编码格式 与 读取时解析用的编码格式不一致导致的。例如：String s = 你好哦!;System.out.println( new String(s.getBytes(),UTF-8); /错误，因为getBytes()默认使用GBK编码， 而解析时使用UTF-8编码，肯定出错。其中 getBytes() 是将unicode 转换为操作系统默认的格式的字节数组，即你好哦的 GBK格式，new String (bytes, Charset) 中的charset 是指定读取 bytes 的方式，这里指定为UTF-8,即把bytes的内容当做UTF-8 格式对待。如下两种方式都会有正确的结果，因为他们的源内容编码和解析用的编码是一致的。System.out.println( new String(s.getBytes(),GBK);System.out.println( new String(s.getBytes(UTF-8),UTF-8);那么，如何利用getBytes 和 new String() 来进行编码转换呢？ 网上流传着一种错误的方法:GBK- UTF-8: new String( s.getBytes(GBK) , UTF-8); ,这种方式是完全错误的，因为getBytes 的编码与 UTF-8 不一致，肯定是乱码。但是为什么在tomcat 下，使用 new String(s.getBytes(iso-8859-1) ,GBK) 却可以用呢？ 答案是：tomcat 默认使用iso-8859-1编码， 也就是说，如果原本字符串是GBK的，tomcat传输过程中，将GBK转成iso-8859-1了，默认情况下，使用iso-8859-1读取中文肯定是有问题的，那么我们需要将iso-8859-1 再转成GBK， 而iso-8859-1 是单字节编码的，即他认为一个字节是一个字符， 那么这种转换不会对原来的字节数组做任何改变，因为字节数组本来就是由单个字节组成的，如果之前用GBK编码，那么转成iso-8859-1后编码内容完全没变， 则 s.getBytes(iso-8859-1) 实际上还是原来GBK的编码内容则new String(s.getBytes(iso-8859-1) ,GBK) 就可以正确解码了。 所以说这是一种巧合。如何正确的将GBK转UTF-8 ? （实际上是unicode转UTF-8)String gbkStr = 你好哦!; /源码文件是GBK格式，或者这个字符串是从GBK文件中读取出来的, 转换为string 变成unicode格式/利用getBytes将unicode字符串转成UTF-8格式的字节数组byte utf8Bytes = gbkStr.getBytes(UTF-8);/然后用utf-8 对这个字节数组解码成新的字符串String utf8Str = new String(utf8Bytes, UTF-8);简化后就是:unicodeToUtf8 (String s) return new String( s.getBytes(utf-8) , utf-8);UTF-8 转GBK原理也是一样return new String( s.getBytes(GBK) , GBK);其实核心工作都由 getBytes(charset) 做了。getBytes 的JDK 描述：Encodes this String into a sequence of bytes using the named charset, storing the result into a new byte array.另外对于读写文件，OutputStreamWriter w1 = new OutputStre