[转载] String getBytes()

public byte[] getBytes()
使用平台默认的字符集将此 String 解码为字节序列，并将结果存储到一个新的字节数组中。
当此字符串不能在默认的字符集中解码时，该方法无指定的行为。当需要进一步控制解码过程时，应使用 CharsetEncoder 类。


返回：
结果字节数组

 

String的getBytes()方法是得到一个字串的字节数组，这是众所周知的。但特别要注意的是，本方法将返回该操作系统默认的编码格式的字节数组。如果你在使用这个方法时不考虑到这一点，你会发目前一个平台上运行良好的系统，放到另外一台机器后会产生意想不到的问题。比如下面的程式，

1. class TestCharset 
2. {
3.     public static void main(String[] args) 
4.     {
5.         new TestCharset().execute();
6.     }
7.     private void execute() {
8.         String s = "Hello!你好！";
9.         
10.         byte[] bytes = s.getBytes();
11.         System.out.println("bytes lenght is:" + bytes.length);
12.     }
13. }

在一个中文视窗系统XP系统下，运行时，结果为：
bytes lenght is:12

不过如果放到了一个英文的UNIX环境下运行：
$ java TestCharset
bytes lenght is:9

如果你的程式依赖于该结果，将在后续操作中引起问题。为什么在一个系统中结果为12，而在另外一个却变成了9了呢？上面已提到了，该方法是和平台（编码）相关的。在中文操作系统中，getBytes方法返回的是个GBK或GB2312的中文编码的字节数组，其中中文字符，各占两个字节。而在英文平台中，一般的默认编码是“ISO-8859-1”，每个字符都只取一个字节（而不管是否非拉丁字符）。

Java中的编码支持

Java是支持多国编码的，在Java中，字符都是以Unicode进行存储的，比如，“你”字的Unicode编码是“4f60”，我们能通过下面的实验代码来验证：

1. class TestCharset 
2. {
3.     public static void main(String[] args) 
4.     {
5.         char c = ’你’;
6.         int i = c;
7.         System.out.println(c);
8.         System.out.println(i);
9.     }
10. }

不管你在所有平台上执行，都会有相同的输出：

----------------- output ------------------
你
20320

20320就是Unicode “4f60”的整数值。其实，你能反编译上面的类，能发目前生成的.class文件中字符“你”（或其他所有中文字串）本身就是以Unicode编码进行存储的：

1.         char c = ’u4F60’;
2.         ... ...

即使你知道了编码的编码格式，比如：
javac -encoding GBK TestCharset.java
编译后生成的.class文件中仍然是以Unicode格式存储中文字符或字符串的。

使用String.getBytes(String charset)方法

所以，为了避免这种问题，我建议大家都在编码中使用String.getBytes(String charset)方法。下面我们将从字串分别提取ISO-8859-1和GBK两种编码格式的字节数组，看看会有什么结果：

1. class TestCharset 
2. {
3.     public static void main(String[] args) 
4.     {
5.         new TestCharset().execute();
6.     }
7.     private void execute() {
8.         String s = "Hello!你好！";
9.         
10.         byte[] bytesISO8859 =null;
11.         byte[] bytesGBK = null;
12.         try
13.         {
14.             bytesISO8859 = s.getBytes("iso-8859-1");
15.             bytesGBK = s.getBytes("GBK");
16.         }
17.         catch (java.io.UnsupportedEncodingException e)
18.         {
19.             e.printStackTrace();
20.         }
21.         System.out.println("--------------   8859 bytes:");
22.         System.out.println("bytes is:     " + arrayToString(bytesISO8859));
23.         System.out.println("hex format is:" + encodeHex(bytesISO8859));
24.         System.out.println();
25.         System.out.println("--------------   GBK bytes:");
26.         System.out.println("bytes is:     " + arrayToString(bytesGBK));
27.         System.out.println("hex format is:" + encodeHex(bytesGBK));
28.     }
29.     public static final String encodeHex (byte[] bytes) {
30.         StringBuffer buff = new StringBuffer(bytes.length * 2);
31.         String b;
32.         for (int i=0; i<bytes.length ; i++)
33.         {
34.             b = Integer.toHexString(bytes[i]); 
35.             // byte是两个字节的，而上面的Integer.toHexString会把字节扩展为4个字节
36.             buff.append(b.length() > 2 ? b.substring(6,8) : b); 
37.             buff.append(" ");
38.         }
39.         return buff.toString();
40.     }
41.     public static final String arrayToString (byte[] bytes) {
42.         StringBuffer buff = new StringBuffer();
43.         for (int i=0; i<bytes.length ; i++)
44.         {
45.             buff.append(bytes[i] + " ");
46.         }
47.         return buff.toString();
48.     }
49. }

执行上面程式将打印出：

1. --------------
2.  8859 bytes:
3. bytes is:     72 101 108 108 111 33 63 63 63
4. hex format is:48 65 6c 6c 6f 21 3f 3f 3f
5. --------------
6.  GBK bytes:
7. bytes is:     72 101 108 108 111 33 -60 -29 -70 -61 -93 -95
8. hex format is:48 65 6c 6c 6f 21 c4 e3 ba c3 a3 a1

可见，在s中提取的8859-1格式的字节数组长度为9，中文字符都变成了“63”，ASCII码为63的是“?”，一些国外的程式在国内中文环境下运行时， 经常出现乱码，上面布满了“?”，就是因为编码没有进行正确处理的结果。而提取的GBK编码的字节数组中正确得到了中文字符的GBK编码。字符“你”“好”“！”的GBK编码分别是：“c4e3”“bac3”“a3a1”。得到了正确的以GBK编码的字节数组，以后需要还原为中文字串时，能使用下面方法：
new String(byte[] bytes, String charset)