汉字字符编码与转码详解

程序中有汉字参数，经常会遇到编码转码问题，总结下：
1.汉字为多字节字符，须多字节编码解码，如"测试".getBytes("gb2312");

这样"测试".getBytes("gb2312")就变成一个byte数组，这时候你可以随意重新指定编码如iso-8859-1,


String s1=new String("测试".getBytes("gb2312"),"iso-8859-1");


编为s1,这是s1就变成一个是iso-8859-1编码的字符串，如果你想重新转为中文，那么，你用什么字符集编码的，必须用什么字符集来解码，这里是iso-8859-1,


可以这么来做




String s2 = new String(s1.getBytes("ISO-8859-1"),"gb2312");


这样s2又重新变回中文了，所以当你打印s2时，就是“测试”。




2.用iso-8859-1做中间编码，原因：

[1]iso-8859-1是单字节字符编码，

[2]ANSI 编码 (如：GB2312, BIG5,Shift_JIS,ISO-8859-2等等），是多字节编码（英文单字节，中文多字节）；

[3]UNICODE 编码（UTF-8, UTF-7, UTF-16, UnicodeLittle, UnicodeBig....）,是宽字节编码（所有字符均是多字节）

因此用iso-8859-1做中间码，会保持原有字节的秩序，不发生混乱；可以理解为其他的编码对iso-8859-1兼容吧。


因此，我们常常使用 bytes = string.getBytes("iso-8859-1") 坐中间码来进行逆向操作，得到原始的“字节串”。然后再使用正确的

ANSI 编码，比如 string = new String(bytes, "GB2312")，来得到正确的“UNICODE 字符串”。


不信的话可以试试，utf8和gb不能互相转换，只有iso-8859-1做中间码可以完美互相转码！！！