`
liuguxing
  • 浏览: 94872 次
  • 性别: Icon_minigender_1
  • 来自: 深圳
社区版块
存档分类
最新评论

String.getBytes()方法中的中文编码问题

    博客分类:
  • JAVA
 
阅读更多
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,你会发现在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。
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,你会发现在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。比如下面的程序:
class TestCharset  
{
    public static void main(String[] args)  
    { 
        new TestCharset().execute(); 
    }
    private void execute() { 
        String s = "Hello!你好!"; 
         
        byte[] bytes = s.getBytes();
        System.out.println("bytes 
  lenght is:" + bytes.length);

    }
}

在一个中文WindowsXP系统下,运行时,结果为:
bytes lenght is:12
但是如果放到了一个英文的UNIX环境下运行:
$ java TestCharset
bytes lenght is:9
如果你的程序依赖于该结果,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?上面已经提到了,该方法是和平台(编码)相关的。
在中文操作系统中,getBytes方法返回的是一个GBK或者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”,我们可以通过下面的实验代码来验证:
class TestCharset  
{
    public static void main(String[] args)  
    { 
        char c = '你'; 
        int i = c; 
        System.out.println(c); 
        System.out.println(i); 
    }
}

不管你在任何平台上执行,都会有相同的输出:
20320
20320就是Unicode “4f60”的整数值。其实,你可以反编译上面的类,可以发现在生成的.class文件中字符“你”(或者其它任何中文字串)本身就是以Unicode编码进行存储的:
char c = '\u4F60';
        ... ...
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:

class TestCharset  
{
    public static void main(String[] args)  
    { 
        new TestCharset().execute(); 
    }
    private void execute() { 
        String s = "Hello!你好!"; 
         
        byte[] bytesISO8859 =null; 
        byte[] bytesGBK = null;
        try 
        { 
            bytesISO8859 = 
   s.getBytes("iso-8859-1"); 
            bytesGBK = s.getBytes("GBK"); 
        } 
        catch 
  (java.io.UnsupportedEncodingException e) 
        { 
            e.printStackTrace(); 
        }
        System.out.println
  ("--------------
  \n 8859 bytes:"); 
        System.out.println("bytes is:     " + arrayToString(bytesISO8859)); 
        System.out.println("hex format is:"
  + encodeHex(bytesISO8859)); 
        System.out.println();
        System.out.println
  ("--------------
  \n GBK bytes:"); 
        System.out.println("bytes is:    
  " + arrayToString(bytesGBK)); 
        System.out.println("hex format
  is:" + encodeHex(bytesGBK));
    }
    public static final String 
 encodeHex (byte[] bytes)
 { 
        StringBuffer buff = 
  new StringBuffer(bytes.length * 2); 
        String b; 
        for (int i=0; i< bytes.length ; i++) 
        { 
            b = Integer.toHexString(bytes[i]);  
            // byte是两个字节的,
   而上面的Integer.toHexString会把字节扩展为4个字节 
            buff.append(b.length() > 2 ? b.substring(6,8) : b);  
            buff.append(" "); 
        } 
        return buff.toString(); 
    }
    public static final String 
 arrayToString (byte[] bytes)
 { 
        StringBuffer buff = new StringBuffer(); 
        for (int i=0; i< bytes.length ; i++) 
        { 
            buff.append(bytes[i] + " "); 
        } 
        return buff.toString(); 
    }
}

执行上面程序将打印出:
--------------
8859 bytes:
bytes is:     72 101 108 108 111 33 63 63 63
hex format is:48 65 6c 6c 6f 21 3f 3f 3f
--------------
GBK bytes:
bytes is:     72 101 108 108 111 33
-60 -29 -70 -61 -93 -95
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“?”,一些国外的程序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,可以使用下面方法:
new String(byte[] bytes,
String charset)
分享到:
评论

相关推荐

    C#(.net)中按字节数截取字符串最后出现乱码问题的解决

    Encoding.UTF8.GetBytes采用的是utf-8编码。这样当然是乱码。尤其出现中文时候。 对这类数据处理当然要用统一的编码来处理。下面话不多说了,来一起看看详细的介绍吧 例子:1 string msg= Encoding.UTF8....

    Java中的String类getBytes()方法详解与实例

    ### Java中的String类getBytes()方法详解与实例 #### 简介 在Java编程语言中,`String`类是处理文本数据的核心类之一。它表示一个不可变的字符序列,这意味着一旦创建了一个`String`对象,其内容就不能被更改。在...

    如何用Response.Redirect方法传递汉字

    无论是通过URL编码解码的方式,还是修改Web.Config文件中的编码格式,亦或是对接收端的数据进行额外的编码转换,都能有效地解决汉字传递过程中的乱码问题。开发者可以根据实际情况选择最适合的解决方案。 以上方法...

    RandomAccessFile向文件中写入中文

    综上所述,使用`RandomAccessFile`向文件中写入中文时,建议采用`write(String.getBytes())`方法,并确保指定了正确的编码方式。这样不仅能避免乱码问题,还能确保文件内容的正确性。此外,还需要注意选择合适的编码...

    Java设置String字符串编码方法详解

    本文将深入探讨Java中设置String字符串编码的方法,帮助开发者更好地理解和使用这些功能。 首先,我们需要理解什么是字符编码。字符编码是将字符(如字母、数字和符号)与数字或二进制值关联的系统,例如ASCII、...

    java 编码 UTF-8、ISO-8859-1、GBK

    GBK 是针对中文的一种编码,它是GB2312的扩展,包含了更多的汉字和其他字符,但在处理非中文字符时可能会出现问题。 在Java中,影响字符编码正确显示的因素主要包括: 1. **数据库连接方式**:数据库的连接参数应...

    ICSharpCode.SharpZipLib压缩解决中文乱码dll和代码

    针对标题和描述中提到的“中文乱码”问题,本文将详细讲解如何使用ICSharpCode.SharpZipLib解决这个问题,并提供相关的代码示例。 1. 中文乱码问题的背景: 在处理包含中文字符的压缩文件时,如果编码设置不正确,...

    java编码格式转换

    - 使用`public byte[] getBytes(String charsetName)`方法可以将字符串从Unicode转换为指定编码的字节数组。 - 示例:将字符串`"中文"`从Unicode编码转换为GBK编码。 - 使用`public String(byte[] bytes, String ...

    C# string byte数组转换解析.pdf

    在C#编程中,字符串(string)与字节(byte...理解并熟练掌握这些转换技巧,对于在C#开发中处理数据流和字符编码问题至关重要。无论是在互联网通信、文件读写还是数据解码场景中,这些基础知识都能帮助你更好地实现需求。

    Java避免UTF-8的csv文件打开中文出现乱码的方法

    在Java中,避免UTF-8的csv文件打开中文出现乱码的方法是非常重要的。csv文件是 comma separated values 的缩写,常用于数据交换和导入导出操作。然而,在Java中读取和写入csv文件时,中文字符如果不正确地处理,可能...

    c#中string转换成字节byte的处理方法

    在C#编程语言中,字符串(string)与字节(byte)之间的转换是常见的操作之一。这类转换在处理网络通信、文件读写等场景时尤为常见。本文将详细介绍如何在C#中实现从string到byte及byte[]的有效转换,并探讨其中涉及...

    C#byte[]与汉字、16进制字符的转换[文].pdf

    在C#中,我们可以使用Encoding类、Convert类和String.Format方法将字符串、Byte数组、十六进制字符串和汉字字符串之间进行转换。但是,在处理汉字和十六进制字符时,我们需要特别注意编码问题。

    Jquery serialize() 中文乱码及解决方法

    这种问题的原因是 serialize() 方法自动调用了 encodeURIComponent 方法将数据编码了,从而导致中文乱码。解决这个问题的方法是调用 decodeURIComponent 方法将数据解码。 在实际应用中,我们可以使用以下方法来...

    base64转码解密成明文加密成Java密文

    在实际项目中,通常会将这些功能封装到单独的类或方法中,以便在不同地方调用。 总的来说,Base64转码在Java中是一项基本操作,可以方便地处理二进制数据与文本数据之间的转换。同时,结合加密技术,我们可以创建...

    【IT十八掌徐培成】Java基础第09天-005.String-字符集编码.zip

    在Java基础教程中,徐培成老师的"Java基础第09天-005.String-字符集编码"主题深入探讨了这一主题,帮助初学者理解字符串(String)类与字符编码的关系。 首先,我们要知道什么是字符集。字符集是一系列用于表示文本的...

    android GBK转换为String

    在Android开发中,字符编码是一个重要的考虑因素,尤其是在处理中文字符时。GBK是GB2312编码的一个扩展,主要用于简体中文,而Unicode是一种通用的字符编码标准,支持全球多种语言,包括简体和繁体中文。在Android...

    tomcat中文编码问题

    这里的`URIEncoding`属性指定了URL中的查询字符串的编码方式,从而解决了GET请求中的中文乱码问题。 #### 三、手工编码处理 **1. 字符串编码转换** 在某些场景下,可能需要手动处理字符串的编码转换,例如从一种...

    Unicode转中文 Unicode字符串 转中文编码

    在C#中,这通常是透明的,因为C#的String类内部使用UTF-16编码,而中文字符在UTF-16中可以直接表示。但如果你需要手动进行转换,可以使用`Encoding`类的`GetString()`方法,将UTF-16编码的字节数组转换为字符串。...

    java_字符编码 Javajava_字符编码问题

    - 在处理多语言或多编码环境时,应尽可能统一使用一种编码(如 UTF-8)以减少转换过程中的问题。 #### 六、总结 通过以上的介绍,我们可以了解到 Java 中字符串和字符编码的处理是非常重要的,特别是在跨平台和多...

Global site tag (gtag.js) - Google Analytics