网站开发进阶 (三十六)String.getBytes() 方法中的中文编码问题解决总结

​

String的getBytes()方法是得到一个系统默认的编码格式的字节数组。

      getBytes("utf-8")得到一个 UTF-8 格式的字节数组。

      把 String 转换成 bytes，都是将一个 string 类型的字符串转换成 byte 类型并且存入一个 byte 数组中。各种编码转换成的 bytes 不同，比如 UTF-8 每个汉字转成 3bytes，而 GBK 转成 2bytes，所以要说明编码方式，否则用缺省编码。

      在java中的所有数据底层都是字节，字节数据可以存入到byte数组。

     在Java中,String的getBytes()方法是得到一个操作系统默认的编码格式的字节数组。这表示在不同的操作系统下,返回的东西不一样!

     String.getBytes(String decode)方法会根据指定的decode编码返回某字符串在该编码下的byte数组表示,如:

     byte[] b_gbk = "中".getBytes("GBK");
     byte[] b_utf8 = "中".getBytes("UTF-8");
     byte[] b_iso88591 = "中".getBytes("ISO8859-1");

     将分别返回"中"这个汉字在GBK、UTF-8和ISO8859-1编码下的byte数组表示,此时b_gbk的长度为 2,b_utf8的长度为 3,b_iso88591 的长度为 1。

    而与getBytes相对的,可以通过new String(byte[], decode)的方式来还原这个"中"字,这个new String(byte[], decode)实际是使用指定的编码decode来将byte[]解析成字符串。

     String s_gbk = new String(b_gbk,"GBK");
     String s_utf8 = new String(b_utf8,"UTF-8");
     String s_iso88591 = new String(b_iso88591,"ISO8859-1");

     通过输出s_gbk、s_utf8和s_iso88591，会发现s_gbk和s_utf8都是"中",而只有s_iso88591是一个不被识别的字符（可以理解为乱码）,为什么使用ISO8859-1编码再组合之后,无法还原"中"字？原因很简单,因为 ISO8859-1 编码的编码表根本就不包含汉字字符,当然也就无法通过"中"。getBytes("ISO8859-1");来得到正确的"中"字在 ISO8859-1 中的编码值了,所以，再通过new String()来还原就更是无从谈起。

     因此，通过String.getBytes(String decode)方法来得到byte[]时，一定要确定decode的编码表中确实存在String表示的码值,这样得到的byte[]数组才能正确被还原。

     有时候,为了让中文字符适应某些特殊要求(如http header要求其内容必须为iso8859-1编码)，可能会通过将中文字符按照字节方式来编码的情况,如:String s_iso88591 = new String("中".getBytes("UTF-8"),"ISO8859-1"),这样得到的s_iso8859-1字符串实际是三个在ISO8859-1中的字符,在将这些字符传递到目的地后,目的地程序再通过相反的方式String s_utf8 = new String(s_iso88591.getBytes("ISO8859-1"),"UTF-8")来得到正确的中文汉字"中"，这样就既保证了遵守协议规定、也支持中文。