字符集？

今天在用Flex的XMLSocket通讯时，中文总是出现乱码，搞的莫名其妙的，最后终于调试好了。忙了一晚上，总结一下吧。。。
当然，大部分都是实践中归纳出的信息，还没通过理论验证，欢迎指出错误。

所谓的忙了一晚上，其实，现在想想，所谓的解决方案也就无非是String的两个方法

String(byte[] bytes, String charsetName) //使用指定的字符集(charsetName)，将byte构造成一个String

 byte[] getBytes(Charset charset) //使用给定的 charset 将此 String 编码到 byte 序列，并将结果存储到新的 byte 数组。 

描述一下遇到的问题吧，Flex的客户机文件是使用的UTF-8进行的编码，而服务器java端是使用的gbk进行的编码。所以Flex端发送的数据是使用的utf-8的格式。而在服务器接受数据的时候，如果没有进行处理，则是使用gbk的格式解析接受到的客户机发送来的utf-8格式的编码。因此，服务器中的中文就出现了乱码。

而处理的话，只要将得到的数据转换成utf-8格式的编码，就是中文了。方法很简单

xmlMsg = new String(xmlMsg.getBytes(),"utf-8");

//请注意，以上在本例中等同于
xmlMsg = new String(xmlMsg.getBytes("GBK"),"utf-8");

其中：xmlMsg.getBytes()中xmlMsg是读到的原始数据还原成byte数组的格式，然后根据这些数据重新创建一个utf-8格式的String。
因为在服务器端的编码格式是GBK，所以String的getBytes的方法默认就是通过GBK编码进行解析。
在这要注意一下了哦，读到的原始数据是utf-8的数组，但是默认使用gbk进行的编码，就产生了乱码，像加上了一把锁。而要把这把锁解开，首先要做的就是还原数据，即重新用gbk将其还原回去，然后，再将得到的byte数组，根据utf-8进行处理，得到其真正表示的中文。不是直接将其进行gbk的编码哦。

而服务器发送信息给客户机就简单了，只要调用

getBytes("utf-8")

即可，表示不用系统自己的gbk编码模式，而是使用utf-8的形式，然后，客户机默认得到对应的utf-8格式的中文，显示就没出现乱码了哦。



不过还是有点晕了，这个String的编码到底是个什么形式呢？
在文件系统中，数据无非就是0与1，而读取数据时，不同的字符集只不过不同的解释这些01组合的方法，而这些数据解析完放到内存后呢？找了些资料，大概如下：

Class 文件中的String都是使用unicode编码，具体说是utf-16的编码。
String或char为内存形式，而byte[]则是网络传输或存储的序列化形式。这两者不是同一等级上的概念。而String是保存在虚拟机中的常量池中的，一个String字符串可谓是独此一家，别无分号，不存在不同字符集的常量池。因此，不同字符集应该体现在，需要进行序列化的时候，对常量池中的同一个字符集的不同解析方式。就像是每种语言都有“你好”这个概念，但发音却各不相同。

恩，这是我目前的观点，还有不确定的地方，欢迎指教。

评论

1 楼 dayanday 2012-07-13  

这种解决方法是不可能完全消除乱码的。
因为客户端发送的是UTF-8的字节流，服务端默认编码是GBK，系统会自动将UTF-8的字节流按照GBK转换成字符串，这个转换过程中可能产生不可逆转的乱码。
博主可测试一下，当客户端发送的中文串是连续的奇数个，最后一个中文是个乱码。
正确的做法：服务端直接读取客户端的字节流bytes(原始输入输出流)，然后new String(bytes, "utf-8")