上一篇：
【Java 基礎(chǔ)專題】編碼與亂碼(01)---編碼基礎(chǔ) - package example.encoding;
- import java.io.UnsupportedEncodingException;
- /** *//**
- * The Class GetBytesTest.
- */
- public class GetBytesTest {
- /** *//**
- * The main method.
- *
- * @param args the arguments
- */
- public static void main(String args[]) {
-
- String content = "中文";
- String defaultEncoding = System.getProperty("file.encoding");
- String defaultLnaguage = System.getProperty("user.language");
- System.out.println("System default encoding --- " + defaultEncoding);
- System.out.println("System default language --- " + defaultLnaguage);
- GetBytesTest tester = new GetBytesTest();
- byte[] defaultBytes = tester.getBytesWithDefaultEncoding(content);
- tester.printBytes(defaultBytes);
- byte[] iso8859Bytes = tester.getBytesWithGivenEncoding(content,
- "ISO-8859-1");
- tester.printBytes(iso8859Bytes);
- byte[] gbkBytes = tester.getBytesWithGivenEncoding(content, "GBK");
- tester.printBytes(gbkBytes);
- byte[] utfBytes = tester.getBytesWithGivenEncoding(content, "UTF-8");
- tester.printBytes(utfBytes);
- }
- /** *//**
- * Gets the bytes with default encoding.
- *
- * @param content the content
- *
- * @return the bytes with default encoding
- */
- public byte[] getBytesWithDefaultEncoding(String content) {
- System.out.println("\nEncode with default encoding\n");
- byte[] bytes = content.getBytes();
- return bytes;
- }
- /** *//**
- * Gets the bytes with given encoding.
- *
- * @param content the content
- * @param encoding the encoding
- *
- * @return the bytes with given encoding
- */
- public byte[] getBytesWithGivenEncoding(String content, String encoding) {
- System.out.println("\nEncode with given encoding : " + encoding + "\n");
- try {
- byte[] bytes = content.getBytes(encoding);
- return bytes;
- } catch (UnsupportedEncodingException e) {
- e.printStackTrace();
- return null;
- }
- }
- /** *//**
- * Prints the bytes.
- *
- * @param bytes the bytes
- */
- public void printBytes(byte[] bytes) {
- for (int i = 0; i < bytes.length; i++) {
- System.out.print(" byte[" + i + "] = " + bytes);
- System.out
- .println(" hex string = " + Integer.toHexString(bytes));
- }
- }
- }
【1】在中文平臺下，測試結(jié)果如下：
System default encoding --- GBK
System default language --- zh
Encode with default encoding
byte[0] = -42 hex string = ffffffd6
byte[1] = -48 hex string = ffffffd0
byte[2] = -50 hex string = ffffffce
byte[3] = -60 hex string = ffffffc4
Encode with given encoding : ISO-8859-1
byte[0] = 63 hex string = 3f
byte[1] = 63 hex string = 3f
Encode with given encoding : GBK
byte[0] = -42 hex string = ffffffd6
byte[1] = -48 hex string = ffffffd0
byte[2] = -50 hex string = ffffffce
byte[3] = -60 hex string = ffffffc4
Encode with given encoding : UTF-8
byte[0] = -28 hex string = ffffffe4
byte[1] = -72 hex string = ffffffb8
byte[2] = -83 hex string = ffffffad
byte[3] = -26 hex string = ffffffe6
byte[4] = -106 hex string = ffffff96
byte[5] = -121 hex string = ffffff87 |
【2】在英文平臺下，測試結(jié)果如下：
System default encoding --- Cp1252
System default language --- en
Encode with default encoding
byte[0] = 63 hex string = 3f
byte[1] = 63 hex string = 3f
Encode with given encoding : ISO-8859-1
byte[0] = 63 hex string = 3f
byte[1] = 63 hex string = 3f
Encode with given encoding : GBK
byte[0] = -42 hex string = ffffffd6
byte[1] = -48 hex string = ffffffd0
byte[2] = -50 hex string = ffffffce
byte[3] = -60 hex string = ffffffc4
Encode with given encoding : UTF-8
byte[0] = -28 hex string = ffffffe4
byte[1] = -72 hex string = ffffffb8
byte[2] = -83 hex string = ffffffad
byte[3] = -26 hex string = ffffffe6
byte[4] = -106 hex string = ffffff96
byte[5] = -121 hex string = ffffff87 |
【結(jié)論】
getBytes()、getBytes(encoding)函數(shù)的作用是使用系統(tǒng)默認(rèn)或者指定的字符集編碼方式，將字符串編碼成字節(jié)數(shù)組。
在中文平臺下，默認(rèn)的字符集編碼是GBK，此時如果使用getBytes()或者getBytes("GBK")，則按照GBK的編碼規(guī)則將每個中文字符用2個byte表示。所以我們看到"中文"最終GBK編碼結(jié)果就是： -42 -48 -50 -60 。-42和-48代表了"中"字，而"-50"和"-60"則代表了"文"字。
在中文平臺下，如果指定的字符集編碼是UTF-8，那么按照UTF-8對中文的編碼規(guī)則：每個中文用3個字節(jié)表示，那么"中文"這兩個字符最終被編碼成：-28 -72 -83、-26 -106 -121兩組。每3個字節(jié)代表一個中文字符。
在中文平臺下，如果指定的字符集編碼是ISO-8859-1，由于此字符集是單字節(jié)編碼，所以使用getBytes("ISO-8859-1") 時，每個字符只取一個字節(jié)，每個漢字只取到了一半的字符。另外一半的字節(jié)丟失了。由于這一半的字符在字符集中找不到對應(yīng)的字符，所以默認(rèn)使用編碼63代替，也就是?。
在英文平臺下，默認(rèn)的字符集編碼是Cp1252(類似于ISO-8859-1)，如果使用GBK、UTF-8進(jìn)行編碼，得到的字節(jié)數(shù)組依然是正確的 (GBK4個字節(jié)，UTF-8是6個字節(jié))。因為在JVM內(nèi)部是以Unicode存儲字符串的，使用getBytes(encoding)會讓JVM進(jìn)行一次Unicode到指定編碼之間的轉(zhuǎn)換。對于GBK，JVM依然會轉(zhuǎn)換成4個字節(jié)，對于UTF-8，JVM依然會轉(zhuǎn)換成6個字節(jié)。但是對于ISO- 8859-1，則由于無法轉(zhuǎn)換(2個字節(jié)--->1個字節(jié)，截取了一半的字節(jié))，所以轉(zhuǎn)換后的結(jié)果是錯誤的。
相同的平臺下，同一個中文字符，在不同的編碼方式下，得到的是完全不同的字節(jié)數(shù)組。這些字節(jié)數(shù)組有可能是正確的(只要該字符集支持中文)，也可能是完全錯誤的(該字符集不支持中文)。
記?。?/strong>
不要輕易地使用或濫用String類的getBytes(encoding)方法，更要盡量避免使用getBytes()方法。因為這個方法是平臺依賴的，在平臺不可預(yù)知的情況下完全可能得到不同的結(jié)果。如果一定要進(jìn)行字節(jié)編碼，則用戶要確保encoding的方法就是當(dāng)初字符串輸入時的 encoding。（文/Paul Lin）
下一篇：【Java 基礎(chǔ)專題】編碼與亂碼(03)----String的toCharArray()方法測試
