java 字符串编码转换 字符集/编码的见解 心得 体会(跟之前那个C++编码随笔对应)

!!!Java要转换字符编码:就一个String.getBytes("charsetName")解决,返回的字节数组已经是新编码的了~~至于后边是new String组装还是网络发送,就再处理了。

1      try {
2             String test = "一";
3             System.out.println(System.getProperty("file.encoding"));// java默认编码是UTF-8
4              System.out.println(test);        //getBytes已经是转码操作,不填的就默认用系统规定的
5             System.out.println(new String(test.getBytes(),"GB2312"));
6              System.out.println(new String(test.getBytes("GB2312"),"GB2312"));//用什么拆就用什么组装,否则显示乱码
7          } catch (UnsupportedEncodingException ex) {
8             Logger.getLogger(Main.class.getName()).log(Level.SEVERE, null, ex);
9         }

输出结果:

UTF-8
一
涓�
一
System.out.println(test.getBytes("GB2312").length);
System.out.println(test.getBytes("UTF8").length);
System.out.println(test.getBytes("GBK").length);

分别输出2,3,2,同样是“一”,用不同编码拆成字节数组就占不同的位数。GBK,GB2312都两字节编码。

2010年10月15日新加以下内容:

        //本程序默认在UTF8编码下运行
        String a = "郑高强";
        String b = null;
        b = new String(a.getBytes(),"UTF8");
        System.out.println(b);  //正确显示
        b = new String(a.getBytes("GB2312"),"GB2312");
        System.out.println(b);  //正确显示。虽然a本来默认是三字节编码的,但getBytes("GB2312")
                                //把整个字节数组按双字节形式转换了一次。用GB2312来解释这个新字节数组就对了
        b = new String(a.getBytes("GB2312"),"UTF8");
        System.out.println(b);  //乱码。已经转为双字节,还用UTF8解释就错了。
                                //还没想到怎么把b救回来。好像没办法使得b重新正确显示了。
        
        b = new String(a.getBytes(),"GB2312");
        System.out.println(b);  //乱码。getBytes已经把字符串逐个字符按UTF8格式,拆散为N个字节。
                                //后边硬用GB2312来解释这N个字节,肯定乱码。UTF8三字节,GB2312双字节
        b = new String(a.getBytes("UTF8"),"GB2312");    //同上一句其实一样
        System.out.println(b);  //乱码

结果:

郑高强
郑高强
֣��ǿ
���寮�
���寮�

字符编码转换关键是要理解内在的机理。。。编码的关键是要理解最底层那个字节数组是怎么编码的,例如GB2312用两个字节表示一个汉字,UTF8用三个字节表示一个汉字,可见,底层的字节数组肯定有不同~~~

!!!Java要转换字符编码:就一个String.getBytes("charsetName")解决,这时候已经把原来String的字节数组逐个字符的转化了,此时编码已经变了。例如原来是UTF8三字节编码,转为GB2312,已经变成双字节编码了,这个byte数组已经比原来String内含的数组要短。

而new String只是一个组装String的过程,传入的字节数组是什么编码的,就该用什么编码组装(或者叫解释),不然就悲剧了~~~

!!!虽然程序默认编码是UTF8,这不代表程序中用GB2312编码的字符串就无法正确显示。(这是我个人之前的误解)因为out.println的时候,系统会自动处理。其实默认编码是UTF8,就只是指getBytes或者new InputStreamReader这样的操作的时候,默认用UTF8来解释。

再说说编码和字符集的关系:详细见另外一个文章http://www.cnblogs.com/kenkofox/archive/2010/10/15/1851962.html

最后贴出JDK对String的getBytes和new String(byte[], charsetName)的解释:

public byte[] getBytes() Encodes this String into a sequence of bytes using the platform's default charset, storing the result into a new byte array.

new String(byte[], charsetName) Constructs a new String by decoding the specified array of bytes using the specified charset. The length of the new String is a function of the charset, and hence may not be equal to the length of the byte array.

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏Kevin-ZhangCG

[ Java面试题 ]基础篇之一

1955
来自专栏用户2442861的专栏

C++编程思想重点笔记

引申:如何在const成员函数里修改成员 —— 按位和与按成员const 如果我们想要建立一个const成员函数,但仍然想在对象里改变某些数据,这时该怎...

631
来自专栏Laoqi's Linux运维专列

函数的参数

1157
来自专栏专注 Java 基础分享

Java 的异常处理机制

892
来自专栏彭湖湾的编程世界

【javascript/PHP】当一个JavaScripter初次进入PHP的世界,他将看到这样的风景

本文将从以下11点介绍javascript和PHP在基础语法和基本操作上的异同: 1.数据类型的异同 2.常量和变量的定义的不同,字符串连接运算符不同 3.对...

18510
来自专栏企鹅号快讯

Python类与面向对象

面向对象程序 程序 = 指令 + 数据 代码可以选择以指令为核心或以数据为核心进行编程 两种范例 1.以指令为核心:围绕"正在发生什么"编写 面向过程编程:程序...

1868
来自专栏塔奇克马敲代码

第 18 章 用于大型程序的工具

1765
来自专栏King_3的技术专栏

leetcode-139-单词拆分(递归超时,动归解决)

给定一个非空字符串 s 和一个包含非空单词列表的字典 wordDict,判定 s 是否可以被空格拆分为一个或多个在字典中出现的单词。

761
来自专栏小古哥的博客园

正则表达式

特殊符号(使用需要'\'转义) ! $ ^ * + = | . ? \ / ( ) [ ] { } 创建正则表达式 方法一  var re =new RegEx...

3415
来自专栏PPV课数据科学社区

【工具】Python正则表达式的七个使用范例

? 作为一个概念而言,正则表达式对于Python来说并不是独有的。但是,Python中的正则表达式在实际使用过程中还是有一些细小的差别。 本文是一系列关于Py...

3299

扫码关注云+社区