关于字符编码的疑惑

0 0

关于字符编码的疑惑20

实验环境：
   操作系统：windows xp2
   开发工具：myEclipse8.0
   jdk      ： jdk 1.6

实验步骤：
1、从Linux服务器下载一个文件到本地，下载到本地的文件名为test.txt（文件编码为gb2312，字节数为142，其中中文字符为10）
2、用一个工具类A从test.txt（）中读取数据，读取的时候设置BufferedReader reader = new BufferedReader(new InputStreamReader (new FileInputStream(file),"GBK")); 将读取的内容保存在tempStr中

3、打印出tempStr.getBytes().length为152

4、然后对tempStr进行解码，编码。
        byte strBytes2[]=tempString.getBytes("GBK");
String tempString2=new String(strBytes2,"GBK");

5、打印出strBytes2.length为142

6、将tempString2传送给工具类B，工具类B再对tempString2进行编码，解码
        yte strBytes3[]=tempString2.getBytes("GBK");
String tempString2=new String(strBytes3,"GBK");

7、打印出strBytes3的length为 152（这是为什么）[size=medium][/size]

问题补充：就是10个汉字加上122个英文字母，总共142的字节

OpenMind 写道

把那个文件上传上来供网友们分析可能会好点。

问题补充：首先谢谢你的回答，我实验过了，这个strBytes2是gbk编码的，我连字节数组的值都测试过，里面不是三字节编码。另外，我觉得是在工具类B接受某一个字符串的时候，默认都是utf-8编码的，所以strBytes3的长度还是152，个人觉得只能将这个字节数组传给B，然后再编码应该就没问题了

nizen 写道

不赞同myali88观点，
仅从第3，第4点比较tempStr.getBytes().length与tempStr.getBytes("GBK").length的不同就可以看出，你的程序执行时候系统环境的编码是UTF8.

解释第3点与第5点不同原因：常用汉字按UTF-8编码一般是3字节为一个汉字，而gbk则是2字节，所以用gbk读取gbk文件没问题，获取了122英文和10中文，但是在解码后，用默认utf8编码则会多出3*10-2*10=10，这就是152与142的差别所在。

解释第5点和第7点不同原因：问题出在String tempString2=new String(strBytes2,"GBK"); 语句上，strBytes2已经已经是一种基于UTF8编码的内容了，对它用gbk解码生成的tempString2则会变成了15个汉字的乱码，最后通过byte strBytes3[]=tempString2.getBytes("GBK"); 则会对15个汉字进行GBk编码，15*2=30，最终又变成了152字节了。

2012年2月16日 11:54

groovyMing
0
0 0 0

10个答案按时间排序按投票排序

0 0

很简单，楼主的文件没问题，问题就出在楼主的JAVA文件编码方式上了，如果采用utf-8编码就会出现楼主说的情况，当你采用reader.readLine();读取字符串时，java回把读取到的字符串自动转换为和你的java文件编码一致，同样字符串类之间的传递也存在同样的情况。如果使用BufferedInputStream类直接从文件中按字节读取就不会存在上述问题。
建议楼主将自己的JAVA文件编码改成GBK试试就可以了

2012年3月02日 08:16

sunship
32
0 0 0

添加评论

0 0

不好意思，楼主，的确是我对第5点和第7点区别的判断错了。我是错以为第3点的tempString已经是用UTF8解码过的内容，tempString的内容应该是没问题的，经过byte strBytes2[]=tempString.getBytes("GBK"); 得到的应该就如你所说的。
所以第5点和第7点为什么会这样我不知道。不知工具类B所做的操作是否就如你列出第6点的代码一样。

2012年2月25日 00:32

nizen
106
0 0 0