`

java String.getBytes()编码问题

    博客分类:
  • Java
阅读更多
String.getBytes()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)

 



   mysql 不支持 unicode,所以比较麻烦。
   将 connectionString 设置成 encoding 为 gb2312
   String connectionString
   = "jdbc:mysql://localhost/test?useUnicode=true&characterEncoding=gb2312";
  
  测试代码:
   String str = "汉字";
   PreparedStatement pStmt = conn.prepareStatement("INSERT INTO test VALUES (?)");
   pStmt.setString(1,str);
   pStmt.executeUpdate();
  
  数据库表格:
   create table test (
   name char(10)
   )
  
  
  连接 Oracle Database Server
  -------------------------------------------------------------------------------
   在把汉字字符串插入数据库前做如下转换操作:
   String(str.getBytes("ISO8859_1"),"gb2312")
  
  测试代码:
   String str = "汉字";
   PreparedStatement pStmt = conn.prepareStatement("INSERT INTO test VALUES (?)");
   pStmt.setString(1,new String(str.getBytes("ISO8859_1"),"gb2312");
   pStmt.executeUpdate();
  
  
  Servlet
  -------------------------------------------------------------------------------
   在 Servlet 开头加上两句话:
   response.setContentType("text/html;charset=UTF-8");
   request.setCharacterEncoding("UTF-8");
分享到:
评论

相关推荐

    java.io.CharConversionException: isHexDigit处理

    Java.io.CharConversionException: isHexDigit 是 Java 中一种常见的异常,通常发生在传输数据时编码不正确或 URL 传值时出现问题。本文将对该异常进行详细分析,介绍导致该异常的原因和解决方法。 一、问题描述 ...

    Java设置String字符串编码方法详解

    总结起来,Java提供了多种方法来处理字符串的编码问题,包括构造String对象、转换为字节数组、读写文件以及处理URL。理解并正确使用这些方法可以避免常见的编码问题,如乱码和数据丢失。在开发过程中,始终记住指定...

    java_字符编码 Javajava_字符编码问题

    在深入探讨 Java 字符编码的问题之前,我们先来了解一下字符编码的基本概念。字符编码是计算机内部表示字符的一种方式,它涉及到如何将人类可读的文字转换为二进制形式以便计算机处理。 #### 二、Java中的字符串与...

    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...

    java base64源码+jar包

    Java中的Base64编码是一种将任意二进制数据转换为可打印ASCII字符的编码方式,广泛应用于网络传输、数据存储等领域。Base64编码的基本原理是将每3个字节(24位)的数据转化为4个6位的十六进制数字,然后用64个可打印...

    base64转码解密成明文加密成Java密文

    在Java编程中,Base64编码和解码常用于在网络传输或者存储时处理含有非ASCII字符的数据。本主题将深入探讨“Base64转码解密成明文”以及“Base64加密成Java密文”的过程,并介绍相关的Java实现。 首先,我们来看...

    java 编码 UTF-8、ISO-8859-1、GBK

    Java 编码问题一直是开发者们面临的一大挑战,尤其是在处理中文字符时。UTF-8、ISO-8859-1 和 GBK 是三种常见的字符编码格式,每种都有其特定的应用场景和优缺点。 首先,UTF-8 是一种广泛使用的多字节编码,能够...

    java如何正确使用字体编码

    ### Java如何正确使用字体编码 在Java开发过程中,正确处理字符编码是非常重要的,尤其是在涉及到数据库操作、网页数据读取等...通过以上方法,可以在Java应用中有效地管理字符编码问题,确保数据的正确传输和显示。

    MD5加密程序java代码.rar_MD5 JAVA_java md5_md5

    在这个例子中,我们首先获取`MessageDigest`实例,然后对输入字符串进行UTF-8编码并计算MD5摘要。最后,我们将得到的字节数组转换为16进制字符串进行打印。 在实际应用中,MD5通常用于校验文件的完整性。例如,当你...

    java获取字符串编码类型代码(导入直接查看结果)

    在Java编程语言中,处理字符串时,了解字符串的编码类型是非常重要的。编码类型决定了字符集,它定义了如何将字符转换为数字(字节)以及如何将数字转换回字符。常见的编码类型有ASCII、ISO-8859-1、UTF-8、GBK等。...

    java编码格式转换

    通过理解不同编码之间的差异以及如何使用Java内置的方法进行转换,可以有效地避免因编码问题导致的数据丢失或乱码现象。此外,在进行编码转换时,应尽量选择能够支持更广泛字符集的编码方式(如UTF-8),以提高兼容...

    使用 Java 生成 MD5 编码

    本篇文章将详细探讨如何在 Java 中生成 MD5 编码,以及其相关知识点。 MD5 是一种广泛使用的哈希函数,它能够将任意长度的输入(也叫做预映射或消息)转化为固定长度的输出,通常是一个 128 位的二进制数,通常用 ...

    java中String_十六进制String_byte[]之间相互转换

    该方法简单直接,但需要注意的是,默认情况下,`getBytes()`使用平台默认的字符集编码,如果涉及到不同环境下的数据传输,则需要明确指定字符集,如`getBytes("UTF-8")`。 #### 三、十六进制String到byte[]的转换 ...

    Java中4大基本加密算法解析

    - 在现代Java版本中,建议使用 `java.util.Base64` 类来进行BASE64的编码和解码。 #### 三、MD5 **MD5**(Message-Digest Algorithm 5)是一种广泛使用的散列算法,它将任意长度的输入转化为一个128位(16字节)的...

    java字符编码问题

    ### Java字符编码问题详解 #### 一、引言 在Java开发过程中,字符编码问题是一个常见且容易引发各种隐藏问题的领域。不正确的字符编码处理可能导致数据丢失、乱码甚至是程序异常。本文将深入探讨Java中的字符编码...

    用java修改文件的编码

    - 将读取到的每一行转换为目标编码,可以使用`String`的`getBytes()`和`new String()`方法。 - 使用`BufferedWriter`的`write()`方法将转换后的字符串写入新文件。 - 不要忘记关闭所有打开的流。 5. **示例代码*...

    详解Java中String类型与默认字符编码

    Java中String类型与默认字符编码详解 Java中String类型与默认字符编码是Java编程语言中一个重要的概念。String类型是Java中最基本的数据类型之一,它用于表示文本数据。然而,在Java中String类型的默认编码方式一直...

    Java避免UTF-8的csv文件打开中文出现乱码的方法

    需要注意的是,Excel 2007以下版本不支持UTF-16LE编码格式的BOM,因此在输出csv文件时需要考虑Excel版本的兼容性问题。如果需要兼容多个Excel版本,可以使用UTF-8编码格式,并在文件头部输出BOM,即0xEF 0xBB 0xBF这...

    史上最全的java基础总结大全

    public static void main(String[] args) { //编码解码1:默认编码 String str1 = "你好"; byte[] buf1 = str1.getBytes();//默认解码:Unicode,四个字节 //编码解码2:指定编码 String str2 = "你好"; ...

Global site tag (gtag.js) - Google Analytics