java编码分析

代码如下：       

        String str = "中文";
        byte[] utf8b = str.getBytes("UTF-8");
        byte[] gbkb = str.getBytes("GBK");

        // 没有乱码
        System.out.println(new String(utf8b, "UTF-8"));

        // 没有乱码
        System.out.println(new String(gbkb, "GBK"));

        // 有乱码

        System.out.println(new String(gbkb, "UTF-8"));

        // 有乱码
        System.out.println(new String(utf8b, "GBK"));

 

java中的String永远都是Unicode编码的，以它作为中间结果转化成各种不同的编码格式。

 

String str = "中文";

"中文"这个字符串的编码是根据操作系统的默认编码而定的，如果我们在中文的windows下开发，那这个"中文"字符串的编码是GBK。将"中文"字符串赋给str变量的时候，jvm会将"中文"有GBK转为Unicode编码，再把这个"中文"字符串赋给str变量。

 

byte[] utf8b = str.getBytes("UTF-8");

java String.getBytes(String charset)这个方法返回一个字串的字节数组，这里的字节是charset格式的。如果没有charset这个参数，则返回该操作系统默认的编码格式的字节数组。

这里的str是Unicode编码的，在这行代码中，jvm实际上是做了这样的转化 UNICODE => UTF-8，就是将Jvm内存中的unicode编码二进制码转化成UTF-8格式的二进制码然后赋值给byte[] utf8b 。这个转化的过程我们不用管，jvm会根据一个编码格式对照表来转化。

 

byte[] gbkb = str.getBytes("GBK");

同上。

 

 

System.out.println(new String(utf8b, "UTF-8"));

这里的二个参数"UTF-8"告诉jvm：“当前utf8b的编码格式是"UTF-8"，你就以这个格式转化成unicode吧！”。也就是将utf8b转化成unicode再存入Jvm的内存，utf8=>unicode。(这个参数应该是为了告诉jvm使用“UTF-8”的编码格式对照表来转化)

 

 

System.out.println(new String(gbkb, "GBK"));

同上。

 

System.out.println(new String(gbkb, "UTF-8"));

这里gbkb保存的是gbk编码的字节，而这里的"UTF-8"告诉jvm 字节数组gbkb的编码格式是"UTF-8"，jvm就会试图将原来是"GBK"格式的数据使用"UTF-8"的对照表来转化成unicode，结果当然是牛头不对马嘴了。

 

 

修改于:http://cai555.iteye.com/blog/661191