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:
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。
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。
版权声明: 本文为 InfoQ 作者【No Silver Bullet】的原创文章。
原文链接:【http://xie.infoq.cn/article/8e0da6f5d2b9b14648e4fa10e】。文章转载请联系作者。
评论