java 采用unicode 编码来处理字符。Java 程序无论是从/往文件系统以字符流读/写文件,还是往URL 连接写 HTML 信息,或从URL 连接读取参数值,都会有字符编码的转换。编/解码过程如下图:
乱码产生的根源是由于编码和解码采用的不是同一种码(gbk,utf-8,iso8859-1)。
字符串(String 或char[])"123你" 经过java 编码后的字节流(unicode 字节流)为31 00 32 00 33 00 60 4f。如果你用new String("123你".getBytes("iso8859-1"), "gbk") 就会产生乱码。
因为getBytes("iso8859-1") 取得的是"123你" 经过iso8859-1 编码后的字节流31 32 33 3f(iso8859字节流),而在用new String(bytes, "gbk") 构造字符串时java 则将iso8859字节流(31 32 33 3f)当作是unicode 字节流(因为java 是采用unicode 来处理字符的,所以它把字节流统统当作是unicode 字节流),因此它把31 32 33 3f 也看成是unicode 字节流。而unicode 字节流(31 32 33 3f)经过gbk 编码后当然是123? 了。于是,乱码产生了。下面的是一个测试程序:
public class Charset {
public static void main(String[] args) {
String str = "123你";
try {
byte[] unicode = str.getBytes("unicode");
for (int i=0; i<unicode.length; i++)
System.out.print(Integer.toHexString(unicode) + " ");
System.out.println(new String(unicode)); // ??1 2 3 `O
byte[] utf8 = str.getBytes("utf-8");
for (int i=0; i<utf8.length; i++)
System.out.print(Integer.toHexString((utf8)) + " ");
System.out.println(new String(utf8)); // 123浣?
byte[] iso88591 = str.getBytes("iso8859-1");
for (int i=0; i<iso88591.length; i++)
System.out.print(Integer.toHexString((iso88591)) + " ");
System.out.println(new String(iso88591)); // 123?
byte[] gbk = str.getBytes("gbk");
for (int i=0; i<gbk.length; i++)
System.out.print(Integer.toHexString((gbk)) + " ");
System.out.println(new String(gbk)); // 123你
} catch (Exception e) {
e.printStackTrace();
}
}
}
|
-
1.jpg
(87.63 KB, 下载次数: 30)
1
-
2.jpg
(113.64 KB, 下载次数: 36)
2
-
3.jpg
(20.44 KB, 下载次数: 30)
3
-
1.jpg
(87.63 KB, 下载次数: 29)
组图打开中,请稍候......
|