http://blog.csdn.net/qinysong/article/details/1179489

這兩天抽時間又總結/整理了一下各種編碼的實際編碼方式，和在Java應用中的使用情況，在這里記錄下來以便日后參考。 為了構成一個完整的對文字編碼的認識和深入把握，以便處理在Java開發過程中遇到的各種問題，特別是亂碼問題，我覺得組成一個系列來描述和分析更好一些，包括三篇文章： 第一篇：JAVA字符編碼系列一：Unicode,GBK,GB2312,UTF-8概念基礎 第二篇：JAVA字符編碼系列二：Unicode,ISO-8859,GBK,UTF-8編碼及相互轉換 第三篇：JAVA字符編碼系列三：Java應用中的編碼問題 ? 第二篇：JAVA字符編碼系列二：Unicode,ISO-8859-1,GBK,UTF-8編碼及相互轉換 １、函數介紹 在Java中，字符串用統一的Unicode編碼，每個字符占用兩個字節，與編碼有關的兩個主要函數為： １）將字符串用指定的編碼集合解析成字節數組，完成Unicode－〉charsetName轉換 public byte[] getBytes(String charsetName) throws UnsupportedEncodingException　 ２）將字節數組以指定的編碼集合構造成字符串，完成charsetName－〉Unicode轉換 public String(byte[] bytes, String charsetName) throws UnsupportedEncodingException ２、Unicode與各編碼之間的直接轉換 下面以對中文字符串＂ａ中文＂的編碼轉換為例，來了解各種編碼之間的轉換 １）Unicode和GBK 測試結果如下，每個漢字轉換為兩個字節，且是可逆的，即通過字節可以轉換回字符串 String－GBK〉ByteArray：/u0061/u4E2D/u6587（a中文）－〉0x61 0xD6 0xD0 0xCE 0xC4 ByteArray－GBK〉String：0x61 0xD6 0xD0 0xCE 0xC4－〉/u0061/u4E2D/u6587（a中文） ２）Unicode和UTF-8 測試結果如下，每個漢字轉換為三個字節，且是可逆的，即通過字節可以轉換回字符串 String－UTF-8〉ByteArray：/u0061/u4E2D/u6587（a中文）－〉0x61 0xE4 0xB8 0xAD 0xE6%0x96 0x87 ByteArray－UTF-8〉String：0x61 0xE4 0xB8 0xAD 0xE6%0x96 0x87－〉/u0061/u4E2D/u6587（a中文） ３）Unicode和ISO-8859-1 測試結果如下，當存在漢字時轉換失敗，非可逆，即通過字節不能再轉換回字符串 String－ISO-8859-1〉ByteArray：/u0061/u4E2D/u6587（a中文）－〉0x61 0x3F 0x3F ByteArray－ISO-8859-1〉String：0x61 0x3F 0x3F－〉/u0061/u003F/u003F（a??） ３、Unicode與各編碼之間的交叉轉換 在上面直接轉換中，由字符串（Unicode）生成的字節數組，在構造回字符串時，使用的是正確的編碼集合，如果使用的不是正確的編碼集合會怎樣呢？會正確構造嗎？如果不能正確構造能有辦法恢復嗎？會信息丟失嗎？ 下面我們就來看看這種情況，這部分可以說明在某些情況下雖然我們最終正確顯示了結果，但其間仍然進行了不正確的轉換。 １）能夠正確顯示的中間不正確轉換 我們知道String－GBK〉ByteArray－GBK〉String是正確的，但如果我們采用String－GBK〉ByteArray－ISO-8859-1〉String呢？通過測試結果如下： String－GBK〉ByteArray－ISO-8859-1〉String：/u0061/u4E2D/u6587（a中文）－〉0x61 0xD6 0xD0 0xCE 0xC4－〉/u0061/u00D6/u00D0/u00CE/u00C4（a????） 這時我們得到的字符串為？亂碼“a????”，但是通過繼續轉換我們仍然可以復原回正確的字符串“a中文”，過程如下： String－GBK〉ByteArray－ISO-8859-1〉String－ISO-8859-1〉ByteArray－GBK〉String 對應：/u0061/u4E2D/u6587（a中文）－〉0x61 0xD6 0xD0 0xCE 0xC4－〉/u0061/u00D6/u00D0/u00CE/u00C4（a????）－〉0x61 0xD6 0xD0 0xCE 0xC4－〉/u0061/u4E2D/u6587（a中文） 也就是我們在首次構造字符串時，我們用了錯誤的編碼集合得到了錯誤的亂碼，但是我們通過錯上加錯，再用錯誤的編碼集合獲取字節數組，然后再用正確的編碼集合構造，就又恢復了正確的字符串。這時就屬于是“能夠正確顯示的中間不正確轉換”。在Jsp頁面提交數據處理時常常發生這種情況。 此外能夠正確顯示的中間不正確轉換還有： String－UTF-8〉ByteArray－ISO-8859-1〉String－ISO-8859-1〉ByteArray－UTF-8〉String 和 String－UTF-8〉ByteArray－GBK〉String－GBK〉ByteArray－UTF-8〉String 對應：/u0061/u4E2D/u6587（a中文）－〉0x61 0xE4 0xB8 0xAD 0xE6%0x96 0x87－〉/u0061/u6D93/uE15F/u6783（a涓枃）－〉0x61 0xE4 0xB8 0xAD 0xE6%0x96 0x87－〉/u0061/u4E2D/u6587（a中文） ４、編碼過程中錯誤診斷參考 １）一個漢字對應一個問號 在通過ISO-8859-1從字符串獲取字節數組時，由于一個Unicode轉換成一個byte，當遇到不認識的Unicode時，轉換為0x3F，這樣無論用哪種編碼構造時都會產生一個？亂碼。 ２）一個漢字對應兩個問號 在通過GBK從字符串獲取字節數組時，由于一個Unicode轉換成兩個byte，如果此時用ISO-8859-1或用UTF-8構造字符串就會出現兩個問號。 若是通過ISO-8859-1構造可以再通過上面所說的錯上加錯恢復（即再通過從ISO-8859-1解析，用GBK構造）； 若是通過UTF-8構造則會產生Unicode字符＂/uFFFD＂，不能恢復，若再通過String－UTF-8〉ByteArray－GBK〉String，則會出現雜碼，如a錕斤拷錕斤拷 ３）一個漢字對應三個問號 在通過UTF-8從字符串獲取字節數組時，由于一個Unicode轉換成三個byte，如果此時用ISO-8859-1構造字符串就會出現三個問號；用GBK構造字符串就會出現雜碼，如a涓枃。

總結

以上是生活随笔為你收集整理的【JAVA编码】 JAVA字符编码系列二：Unicode,ISO-8859,GBK,UTF-8编码及相互转换的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。