無論是對(duì)程序的本地化還是國(guó)際化，都會(huì)涉及到字符編碼的轉(zhuǎn)換的問題。尤其在web應(yīng)用中常常需要處理中文字符，這時(shí)就需要進(jìn)行字符串的編碼轉(zhuǎn)換，將字符串編碼轉(zhuǎn)換為GBK或者GB2312。
一、關(guān)鍵技術(shù)點(diǎn)：
1、當(dāng)前流行的字符編碼格式有：US-ASCII、ISO-8859-1、UTF-8、UTF-16BE、UTF-16LE、UTF-16、GBK、GB2312等，其中GBK、GB2312是專門處理中文編碼的。
2、String的getBytes方法用于按指定編碼獲取字符串的字節(jié)數(shù)組，參數(shù)指定了解碼格式，如果沒有指定解碼格式，則按系統(tǒng)默認(rèn)編碼格式。
3、String的“String(bytes[] bs, String charset)”構(gòu)造方法用于把字節(jié)數(shù)組按指定的格式組合成一個(gè)字符串對(duì)象
二、實(shí)例演示：
package book.String;
import java.io.UnsupportedEncodingException;
/**
* 轉(zhuǎn)換字符串的編碼
* @author joe
*
*/
public class ChangeCharset {
/** 7位ASCII字符，也叫作ISO646-US、Unicode字符集的基本拉丁塊 */
public static final String US_ASCII = "US-ASCII";
/** ISO拉丁字母表 No.1，也叫做ISO-LATIN-1 */
public static final String ISO_8859_1 = "ISO-8859-1";
/** 8 位 UCS 轉(zhuǎn)換格式 */
public static final String UTF_8 = "UTF-8";
/** 16 位 UCS 轉(zhuǎn)換格式，Big Endian(最低地址存放高位字節(jié)）字節(jié)順序 */
public static final String UTF_16BE = "UTF-16BE";
/** 16 位 UCS 轉(zhuǎn)換格式，Litter Endian（最高地址存放地位字節(jié)）字節(jié)順序 */
public static final String UTF_16LE = "UTF-16LE";
/** 16 位 UCS 轉(zhuǎn)換格式，字節(jié)順序由可選的字節(jié)順序標(biāo)記來標(biāo)識(shí) */
public static final String UTF_16 = "UTF-16";
/** 中文超大字符集 **/
public static final String GBK = "GBK";
public static final String GB2312 = "GB2312";
/** 將字符編碼轉(zhuǎn)換成US-ASCII碼 */
public String toASCII(String str) throws UnsupportedEncodingException {
return this.changeCharset(str, US_ASCII);
}
/** 將字符編碼轉(zhuǎn)換成ISO-8859-1 */
public String toISO_8859_1(String str) throws UnsupportedEncodingException {
return this.changeCharset(str, ISO_8859_1);
}
/** 將字符編碼轉(zhuǎn)換成UTF-8 */
public String toUTF_8(String str) throws UnsupportedEncodingException {
return this.changeCharset(str, UTF_8);
}
/** 將字符編碼轉(zhuǎn)換成UTF-16BE */
public String toUTF_16BE(String str) throws UnsupportedEncodingException{
return this.changeCharset(str, UTF_16BE);
}
/** 將字符編碼轉(zhuǎn)換成UTF-16LE */
public String toUTF_16LE(String str) throws UnsupportedEncodingException {
return this.changeCharset(str, UTF_16LE);
}
/** 將字符編碼轉(zhuǎn)換成UTF-16 */
public String toUTF_16(String str) throws UnsupportedEncodingException {
return this.changeCharset(str, UTF_16);
}
/** 將字符編碼轉(zhuǎn)換成GBK */
public String toGBK(String str) throws UnsupportedEncodingException {
return this.changeCharset(str, GBK);
}
/** 將字符編碼轉(zhuǎn)換成GB2312 */
public String toGB2312(String str) throws UnsupportedEncodingException {
return this.changeCharset(str,GB2312);
}
/**
* 字符串編碼轉(zhuǎn)換的實(shí)現(xiàn)方法
* @param str 待轉(zhuǎn)換的字符串
* @param newCharset 目標(biāo)編碼
*/
public String changeCharset(String str, String newCharset) throws UnsupportedEncodingException {
if(str != null) {
//用默認(rèn)字符編碼解碼字符串。與系統(tǒng)相關(guān)，中文windows默認(rèn)為GB2312
byte[] bs = str.getBytes();
return new String(bs, newCharset); //用新的字符編碼生成字符串
}
return null;
}
/**
* 字符串編碼轉(zhuǎn)換的實(shí)現(xiàn)方法
* 注：該函數(shù)效率較低（不建議使用）
* @param str 待轉(zhuǎn)換的字符串
* @param oldCharset 源字符集
* @param newCharset 目標(biāo)字符集
*/
public String changeCharset(String str, String oldCharset, String newCharset) throws UnsupportedEncodingException {
if(str != null) {
//用源字符編碼解碼字符串
byte[] bs = str.getBytes(oldCharset);
return new String(bs, newCharset);
}
return null;
}
public static void main(String[] args) throws UnsupportedEncodingException {
ChangeCharset test = new ChangeCharset();
String str = "This is a 中文的 String!";
System.out.println("str：" + str);
String gbk = test.toGBK(str);
System.out.println("轉(zhuǎn)換成GBK碼：" + gbk);
System.out.println();
String ascii = test.toASCII(str);
System.out.println("轉(zhuǎn)換成US-ASCII：" + ascii);
System.out.println();
String iso88591 = test.toISO_8859_1(str);
System.out.println("轉(zhuǎn)換成ISO-8859-1碼：" + iso88591);
System.out.println();
gbk = test.changeCharset(iso88591, ISO_8859_1, GBK);
System.out.println("再把ISO-8859-1碼的字符串轉(zhuǎn)換成GBK碼：" + gbk);
System.out.println();
String utf8 = test.toUTF_8(str);
System.out.println();
System.out.println("轉(zhuǎn)換成UTF-8碼：" + utf8);
String utf16be = test.toUTF_16BE(str);
System.out.println("轉(zhuǎn)換成UTF-16BE碼：" + utf16be);
gbk = test.changeCharset(utf16be, UTF_16BE, GBK);
System.out.println("再把UTF-16BE編碼的字符轉(zhuǎn)換成GBK碼：" + gbk);
System.out.println();
String utf16le = test.toUTF_16LE(str);
System.out.println("轉(zhuǎn)換成UTF-16LE碼：" + utf16le);
gbk = test.changeCharset(utf16le, UTF_16LE, GBK);
System.out.println("再把UTF-16LE編碼的字符串轉(zhuǎn)換成GBK碼：" + gbk);
System.out.println();
String utf16 = test.toUTF_16(str);
System.out.println("轉(zhuǎn)換成UTF-16碼：" + utf16);
String gb2312 = test.changeCharset(utf16, UTF_16, GB2312);
System.out.println("再把UTF-16編碼的字符串轉(zhuǎn)換成GB2312碼：" + gb2312);
}
}
str：This is a 中文的 String!
轉(zhuǎn)換成GBK碼：This is a 中文的 String!
轉(zhuǎn)換成US-ASCII：This is a ?????? String!
轉(zhuǎn)換成ISO-8859-1碼：This is a ?????? String!
再把ISO-8859-1碼的字符串轉(zhuǎn)換成GBK碼：This is a 中文的 String!
轉(zhuǎn)換成UTF-8碼：This is a ????? String!
轉(zhuǎn)換成UTF-16BE碼：周楳?猠慍????瑲楮朡
再把UTF-16BE編碼的字符轉(zhuǎn)換成GBK碼：This is a 中文的 String!
轉(zhuǎn)換成UTF-16LE碼：桔獩槧?????匠牴湩Ⅷ
再把UTF-16LE編碼的字符串轉(zhuǎn)換成GBK碼：This is a 中文的 String!
轉(zhuǎn)換成UTF-16碼：周楳?猠慍????瑲楮朡
再把UTF-16編碼的字符串轉(zhuǎn)換成GB2312碼：?This is a 中文的 String!
三、源碼分析：
更改字符串編碼的步驟為:
1、調(diào)用String的getByte方法對(duì)字符串進(jìn)行解碼，得到字符串的字節(jié)數(shù)組（字節(jié)數(shù)組不攜帶任何有關(guān)編碼格式的信息，只有字符才有編碼格式）
2、根據(jù)字節(jié)數(shù)組和新的字符編碼構(gòu)造一個(gè)新的String對(duì)象，得到的就是按照新的字符編碼生成的字符串
【說明】
java中的String類是按照unicode進(jìn)行編碼的，當(dāng)使用String(byte[] bytes, String encoding)構(gòu)造字符串時(shí)，encoding所指的是bytes中的數(shù)據(jù)是按照那種方式編碼的，而不是最后產(chǎn)生的String是什么編碼方式，換句話說，是讓系統(tǒng)把bytes中的數(shù)據(jù)由encoding編碼方式轉(zhuǎn)換成unicode編碼。如果不指明，bytes的編碼方式將由jdk根據(jù)操作系統(tǒng)決定。
當(dāng)我們從文件中讀數(shù)據(jù)時(shí)，最好使用InputStream方式，然后采用String(byte[] bytes, String encoding)指明文件的編碼方式。不要使用Reader方式，因?yàn)镽eader方式會(huì)自動(dòng)根據(jù)jdk指明的編碼方式把文件內(nèi)容轉(zhuǎn)換成unicode編碼。
當(dāng)我們從數(shù)據(jù)庫(kù)中讀文本數(shù)據(jù)時(shí)，采用ResultSet.getBytes()方法取得字節(jié)數(shù)組，同樣采用帶編碼方式的字符串構(gòu)造方法即可。
ResultSet rs;
bytep[] bytes = rs.getBytes();
String str = new String(bytes, "gb2312");
不要采取下面的步驟。
ResultSet rs;
String str = rs.getString();
str = new String(str.getBytes("iso8859-1"), "gb2312");
這種編碼轉(zhuǎn)換方式效率底。之所以這么做的原因是，ResultSet在getString()方法執(zhí)行時(shí)，默認(rèn)數(shù)據(jù)庫(kù)里的數(shù)據(jù)編碼方式為iso8859-1。系統(tǒng)會(huì)把數(shù)據(jù)依照iso8859-1的編碼方式轉(zhuǎn)換成unicode。使用str.getBytes("iso8859-1")把數(shù)據(jù)還原，然后利用new String(bytes, "gb2312")把數(shù)據(jù)從gb2312轉(zhuǎn)換成unicode，中間多了好多步驟。
從HttpRequest中讀參數(shù)時(shí)，利用reqeust.setCharacterEncoding()方法設(shè)置編碼方式，讀出的內(nèi)容就是正確的了。
順便說句，如果你直接在瀏覽器中的地址欄輸入這個(gè)的話，瀏覽器都會(huì)使用ISO-8859-1來編碼你的URL，然后才提交到服務(wù)器，這也是為啥一般服務(wù)器端都需要首先進(jìn)行編碼轉(zhuǎn)換。
