再谈java乱码：GBK和UTF-8互转尾部乱码问题分析

public static void main(String[] args) throws Exception {
  //这是一个unicode字符串，与字符集无关
  String str1 = "用户";

  System.out.println("unicode字符串："+str1);

  //将str转为UTF-8字节流
  byte[] byteArray1=str1.getBytes("UTF-8");//这个很安全，UTF-8不会造成数据丢失

  System.out.println(byteArray1.length);//打印6，没毛病

  //下面交给另外一个人，他不知道这是UTF-8字节流，因此他当做ISO-8859-1处理

  //将byteArray1当做一个普通的字节流，按照ISO-8859-1解码为一个unicode字符串
  String str2=new String(byteArray1,"ISO-8859-1");

  System.out.println("转成ISO-8859-1会乱码："+str2);

  //将ISO-8859-1编码的unicode字符串转回为byte[]
  byte[] byteArray2=str2.getBytes("ISO-8859-1");//不会丢失数据

  //将字节流重新交回给用户A

  //重新用UTF-8解码
  String str3=new String(byteArray2,"UTF-8");

  System.out.println("数据没有丢失："+str3);
}

unicode字符串：用户
6
转成ISO-8859-1会乱码：用户
数据没有丢失：用户

    //将byteArray1当做一个普通的字节流，按照GBK解码为一个unicode字符串
		String str2=new String(byteArray1,"GBK");

		System.out.println("转成GBK会乱码："+str2);

		//将GBK编码的unicode字符串转回为byte[]
		byte[] byteArray2=str2.getBytes("GBK");//数据会不会丢失呢？

unicode字符串：用户
6
转成GBK会乱码：鐢ㄦ埛
数据没有丢失：用户

unicode字符串：用户名
9
转成GBK会乱码：用户名
数据没有丢失：用户名

unicode字符串：用户名
9
转成GBK会乱码：鐢ㄦ埛鍚�
数据没有丢失：用户�?

public static void demo(String str) throws Exception {
  System.out.println("原文：" + str);

  byte[] utfByte = str.getBytes("UTF-8");
  System.out.print("utf Byte：");
  printHex(utfByte);
  String gbk = new String(utfByte, "GBK");//这里实际上把数据破坏了
  System.out.println("to GBK：" + gbk);

  byte[] gbkByte=gbk.getBytes("GBK");
  String utf = new String(gbkByte, "UTF-8");
  System.out.print("gbk Byte：");
  printHex(gbkByte);
  System.out.println("revert UTF8：" + utf);
  System.out.println("===");
//		如果gbk变成iso-8859-1就没问题
}

public static void printHex(byte[] byteArray) {
  StringBuffer sb = new StringBuffer();
  for (byte b : byteArray) {
    sb.append(Integer.toHexString((b >> 4) & 0xF));
    sb.append(Integer.toHexString(b & 0xF));
    sb.append(" ");
  }
  System.out.println(sb.toString());
};

public static void main(String[] args) throws Exception {
  String str1 = "姓名";
  String str2 = "用户名";
  demo(str1,"UTF-8","ISO-8859-1");
  demo(str2,"UTF-8","ISO-8859-1");

  demo(str1,"UTF-8","GBK");
  demo(str2,"UTF-8","GBK");
}

原文：姓名
UTF-8 Byte：e5 a7 93 e5 90 8d
to ISO-8859-1:姓名
ISO-8859-1 Byte：e5 a7 93 e5 90 8d
revert UTF-8：姓名
===
原文：用户名
UTF-8 Byte：e7 94 a8 e6 88 b7 e5 90 8d
to ISO-8859-1:用户名
ISO-8859-1 Byte：e7 94 a8 e6 88 b7 e5 90 8d
revert UTF-8：用户名
===
原文：姓名
UTF-8 Byte：e5 a7 93 e5 90 8d
to GBK:濮撳悕
GBK Byte：e5 a7 93 e5 90 8d
revert UTF-8：姓名
===
原文：用户名
UTF-8 Byte：e7 94 a8 e6 88 b7 e5 90 8d
to GBK:鐢ㄦ埛鍚�
GBK Byte：e7 94 a8 e6 88 b7 e5 90 3f
revert UTF-8：用户�?
===

public static void main(String[] args) throws Exception {
  String str="测试";
  printHex(str.getBytes("UNICODE"));
  printHex(str.getBytes("UTF-16LE"));
  printHex(str.getBytes("UTF-16BE"));
}

fe ff 6d 4b 8b d5
4b 6d d5 8b
6d 4b 8b d5

byte[] utfByte = str.getBytes("UTF-8");
String gbk = new String(utfByte, "GBK");
这是错误的用法，虽然在ISO-8859-1时并没报错。

首先，byte[] utfByte = str.getBytes("UTF-8");
执行完成之后，utfByte 已经很明确，这是utf-8格式的字节流；

然后，gbk = new String(utfByte, "GBK")，
对utf-8的字节流使用gbk解码，这是不合规矩的。

就好比一个美国人说一段英语，让一个不懂英文又不会学舌的日本人听，然后传递消息给另一个美国人。

为什么ISO-8859-1 没问题呢？

因为它只认识一个一个的字节，就相当于是一个录音机。我管你说的什么鬼话连篇，过去直接播放就可以了。