Java字符集编码简记

// str是utf-8编码的字符串吗？
String str = new String(webPara.getBytes("GBK"), "UTF-8"));

 

如果你回答 no

那么下面的内容你就无需再看了

如果你回答 yes

那么希望你能接着阅读下去

 

关于字符集编码这破事儿，网上已经有很多资料了

但推荐你看看这篇短文 ，它能改变你对java编码的看法。

 

简单地说

String在JVM里是unicode的，任何byte[]到String以及String到byte[]都涉及到字符集编码转换。

byte[] ---> String就是将按某一个编码后的字节数组转换为unicode的字符串，

String ---> byte[]正好相反，它是将unicode的字符串编码为唯一特定字符集编码后的字节数组。

 

public String(byte[] bytes)

public String(byte[] bytes, String charsetName)

这两个String的方法就是完成将bytes“解码”为unicode的String。

前者使用的是jvm默认的字符集编码，而后者是用户指定某一个charsetName，可以是UTF-8,GBK之类的。

两者都是完成specCharset到unicode的过程，而不是说改变编码格式为charsetName指定的字符集编码。

 

public byte[] getBytes()

public byte[] getBytes(String charsetName)

这两个方法就是完成从unicode到指定字符集编码的“转码”过程。

 

以浏览器为例，http的parameter到servlet里后，

应用服务器已经自动完成了new String(parameterBytes, browserSpecCharset)这个过程。

也就是，自动用页面设置的charset“解码”parameterBytes字节数组为unicode的字符串。

 

因此，类似最上面的代码

String str = new String(webPara.getBytes("GBK"), "UTF-8"));

得到的str是用utf-8“解码”经过gbk编码后的字节数组而得到unicode码的字符串。

 

举个例子

“中国”.getBytes("GBK")

“中国”.getBytes("UTF-8")

上述字节数组按十六进制打印出来

//GBK编码为 
// D6 D0 B9 FA


//UTF-8编码为 
// E4 B8 AD E5 9B BD

可以查一下GBK编码表里“中国”两字确是D6D0 B9FA

也可以到http://www.xxcx.org/hzbm/去查询“中国”的utf-8的16进制。

（附件为GBK的汉字表）

这个也说明了getBytes方法完成了unicode到gbk/utf-8的转换。

 

综上所述

String str = new String(aStr.getBytes("GBK"), "UTF-8"));

是无法完成字符集编码转换地，任何一个Java String都是unicode的

对用a编码的字节数组，用b去解码，大部分情况都是乱码。