|
锁定老帖子 主题：理解并解决GBK转UTF-8奇数中文乱码
该帖已经被评为新手帖
|
||
|---|---|---|
| 作者 | 正文 | |
|
发表时间：2011-06-21
看不明白，这么多乱码
|
|
| 返回顶楼 | ||
|
发表时间：2011-06-21
经常碰到中文乱码的问题，每次都是瞎猫碰死耗子一样的乱试。看了这个有点明白，留后面慢慢体会。
|
|
| 返回顶楼 | ||
|
发表时间：2011-06-21
chenfeng0104 写道 arsenal04 写道 和刚看到的另两篇也是说编码的文章结合理解，有了一些收获，有个疑问，ISO-8859-1既然是单字节，那如果UTF-8转成字节数组占了3个字节，那是会转成3个字符吗？
是的，ISO-8859-1是一个字节表示一个字符，UTF-8是三个字节表示一个字符。 准确的说UTF-8表示中文时一般用3个字节 |
|
| 返回顶楼 | ||
|
发表时间：2011-06-22
原来是要先转为ISO-8859-1，收下了
|
|
| 返回顶楼 | ||
|
发表时间：2011-06-22
iceside 写道
..........
字符串编码迷思：
上面这段代码代表什么？有人会说： “把input字符串从ISO-8859-1编码方式转换成GB18030编码方式”。如果这种说法正确，那么又如何解释我们刚提到的java字符串都采用unicode编码呢？ 这种说法不仅是欠妥的，而且是大错特错的，让我们一一来分析，其实事实是这样的：我们本应该用GB18030的编码来读取数据并解码成字符串，但结果却采用了ISO-8859-1的编码，导致生成一个错误的字符串。要恢复，就要先把字符串恢复成原始字节数组，然后通过正确的编码GB18030再次解码成字符串（即把以GB18030编码的数据转成unicode的字符串）。注意，字符串永远都是unicode编码的。 但编码转换并不是负负得正那么简单，这里我们之所以可以正确地转换回来，是因为 ISO8859-1 是单字节编码，所以每个字节被按照原样 转换为 String ，也就是说，虽然这是一个错误的转换，但编码没有改变，所以我们仍然有机会把编码转换回来！
总结： 所以，我们在处理java的编码问题时，要分清楚三个概念：Java采用的编码：unicode，JVM平台默认字符集和外部资源的编码。
这个地方是亮点 |
|
| 返回顶楼 | ||
|
发表时间：2011-06-22
最后修改：2011-06-22
别误导人了： 前提你说了，你必须确保你的文件是GBK编码！
String str = new String("我来了".getBytes("GBK"));
byte[] bt = str.getBytes("UTF-8");
System.out.println(bt.length);
for(int i=0;i<bt.length;i++){
System.out.print(bt[i]+" ");
}
String str1 = new String(bt,"UTF-8");
System.out.println(new String(str1.getBytes(),"GBK"));
|
|
| 返回顶楼 | ||
|
发表时间：2011-06-22
beykery 写道 楼主有一点说的不正确，utf-8是变长编码，有1个字节到4个字节编码的字符。
是1个到6个 |
|
| 返回顶楼 | ||
|
发表时间：2011-06-22
iceman1952 写道 beykery 写道 楼主有一点说的不正确，utf-8是变长编码，有1个字节到4个字节编码的字符。
是1个到6个 到底几个，到底几个，到底几个？？？？ |
|
| 返回顶楼 | ||
|
发表时间：2011-06-24
iceman1952 写道 iceman1952 写道 beykery 写道 楼主有一点说的不正确，utf-8是变长编码，有1个字节到4个字节编码的字符。
是1个到6个 到底几个，到底几个，到底几个？？？？ http://www.ietf.org/rfc/rfc3629.txt |
|
| 返回顶楼 | ||
|
发表时间：2011-09-30
String gbk = "我来了中过";//unicode
byte gbkbytes[] = gbk.getBytes("GBK");//encode 成 GBK 字节 String unicodeStr = new String(gbkbytes,"GBK"); // decode 成字符串(unicode) System.out.println("decode from gbk :"+unicodeStr); byte utf8bytes [] = unicodeStr.getBytes("utf-8"); // encode 成UTF-8编码的字节数组 unicodeStr = new String (utf8bytes,"ISO-8859-1"); System.out.println("decode from ISO-8859-1 会是乱码的："+unicodeStr ); unicodeStr = new String(unicodeStr.getBytes("ISO-8859-1"),"UTF-8");// encode 成UTF-8编码的字节数组 System.out.println("decode from utf-8:"+unicodeStr); // decode 成字符串(unicode) 所以在java中字符串是不存在GBK,UTF-8编码之说的，在内存中都是unicode 编码的。所以从GBK字节编码的数组转换成UTF-8的字节编码的数组，需要字符串作为中间者。 所以根本不需要ISO-8859-1的介入： String gbk = "我来了中过";//unicode byte gbkbytes[] = gbk.getBytes("GBK");//encode 成 GBK 字节 String unicodeStr = new String(gbkbytes,"GBK"); // decode 成字符串(unicode) System.out.println("decode from gbk :"+unicodeStr); byte utf8bytes [] = unicodeStr.getBytes("utf-8"); // encode 成UTF-8编码的字节数组 unicodeStr = new String (utf8bytes,"utf-8"); System.out.println("decode from utf-8:"+unicodeStr); // decode 成字符串(unicode) |
|
| 返回顶楼 | ||
