Java GetBytes 编码方式

在JAVA源文件-->JAVAC-->Class-->Java-->getBytes()-->new String()-->显示的过程中，每一步都有编码的转换过程，这个过程总是存在的，只是有的时候用默认的参数进行。

      1.  JAVAC是以系统默认编码读入源文件，然后按UNICODE进行编码的。可以通过指定编码方式改变Javac读入源文件的编码方式。

 

javac -encoding GBK Test.java

 

      2. 在JAVA运行的时候，JAVA也是采用UNICODE编码的，并且默认输入和输出的都是操作系统的默认编码。

      也就是说在new String(bytes[,encode])中，系统认为输入的是编码为encode的字节流，换句话说，如果按encode来翻译bytes才能得到正确的结果，这个结果最后要在JAVA中保存，它还是要从这个encode转换成Unicode，也就是说有bytes-->encode字符-->Unicode字符的转换；而在String.getBytes([encode])中，系统要做一个Unicode字符-->encode字符-->bytes的转换。

3. Java中的编码支持

Java是支持多国编码的，在Java中，字符都是以Unicode进行存储的，比如，“你”字的Unicode编码是“4f60”，我们可以通过下面的实验代码来验证： 

class TestCharset          {
            public static void main(String[] args)
            {
            char c = '你';
            int i = c;
            System.out.println(c);
            System.out.println(i);
            }
    }

 不管你在任何平台上执行，都会有相同的输出：20320，20320就是Unicode “4f60”的整数值。其实，你可以反编译上面的类，可以发现在生成的.class文件中字符“你”（或者其它任何中文字串）本身就是以Unicode编码进行存储的：char c = '\u4F60';
     4. 为了避免这种问题，建议大家都在编码中使用String.getBytes(String charset)方法。

class TestCharset {
    public static void main(String[] args) {
        new TestCharset().execute();
    }

    private void execute() {
            String s = "Hello!你好！";
            byte[] bytesISO8859 =null;
            byte[] bytesGBK = null;
            try
            {
            bytesISO8859 =
            s.getBytes("iso-8859-1");
            bytesGBK = s.getBytes("GBK");
            }
            catch
            (java.io.UnsupportedEncodingException e)
            {
            e.printStackTrace();
            }
            System.out.println
            ("--------------\n 8859 bytes:");
            System.out.println("bytes is:     " + arrayToString(bytesISO8859));
            System.out.println("hex format is:"
            + encodeHex(bytesISO8859));
            System.out.println();
            System.out.println
            ("--------------\n GBK bytes:");
            System.out.println("bytes is:" + arrayToString(bytesGBK));
            System.out.println("hex format is:" + encodeHex(bytesGBK));
            }

    public static final String
            encodeHex (byte[] bytes)
            {
            StringBuffer buff =
            new StringBuffer(bytes.length * 2);
            String b;
            for (int i=0; i<bytes.length ; i++)
            {
            b = Integer.toHexString(bytes[i]);
            // byte是两个字节的,而上面的Integer.toHexString会把字节扩展为4个字节
            buff.append(b.length() > 2 ? b.substring(6,8) : b);
            buff.append(" ");
            }
            return buff.toString();
            }

    public static final String arrayToString(byte[] bytes) {
        StringBuffer buff = new StringBuffer();
        for (int i = 0; i < bytes.length; i++) {
            buff.append(bytes[i] + " ");
        }
        return buff.toString();
    }
}

 

执行上面程序将打印出：

-------------- 8859 bytes: bytes is: 72 101 108 108 111 33 63 63 63 hex format is:48 65 6c 6c 6f 21 3f 3f 3f -------------- GBK bytes: bytes is: 72 101 108 108 111 33 -60 -29 -70 -61 -93 -95 hex format is:48 65 6c 6c 6f 21 c4 e3 ba c3 a3 a1

可见，在s中提取的8859-1格式的字节数组长度为9，中文字符都变成了“63”，ASCII码为63的是“?”，一些国外的程序在国内中文环境下运行时，经常出现乱码，上面布满了“?”，就是因为编码没有进行正确处理的结果。

 

sourceurl:http://nopainnogain.iteye.com/blog/970628