java字元編碼總結

Java語言能夠這麼普遍的應用，與其國際化的能力是分不開的，國際化的編碼是Java國際化中最重要的一個組成部分，Java的國際化編碼能力與其使用Unicode編碼是直接相關的。在Java中，任何字元類型的資料在Java程式中均以Unicode字元表示，比如char、String等類型。註：本文實驗環境為Windows XP中文版和JDK1.5。 一、getBytes()當Java程式從輸入資料流、檔案或字元文字量等途徑獲得字串時，均會做字元編碼的轉換，例如InputStreamReader的建構函式中就需要指定編碼方式，而對於從檔案和字元文字量中獲得字串時，均採用系統預設的編碼方式對字元資料進行解碼。考慮下面一段代碼：

String str=”中”;	①
byte[] bytes = str.getBytes();	②
bytes = str.getBytes(“ISO-8859-1”);	③

語句①：將一個只含有一個字元“中”的字串文字量賦給String類的一個對象str，字元文字量“中”是按照作業系統預設編碼方式進行編碼，在中文windows系統中通常是“GBK”， “中”在GBK編碼中是0xD6D0，在將該字元賦給str時，Java會對該字串進行編碼轉換，即將GBK編碼方式的“中”轉換成Unicode編碼方式的“中”，Unicode編碼方式“中”的編碼是0x4E2D，所以str在程式運行期間在記憶體中的二進位表示成16進位就是0x4E2D。語句②：獲得str字串的二進位形式。getBytes(String encoding)方法需要指定編碼方式，表示獲得該字串在何種編碼方式中的二進位形式。此語句中沒有設定參數，表示採用作業系統預設的編碼方式，即此處獲得的bytes是“中”在GBK編碼中的二進位形式，即bytes[0]=0xD6, bytes[1]=0xD0。語句③：該語句與語句②的區別就是指定了編碼方式，此處指定的是ISO-8859-1，即通常所說的Latin-1，該編碼採用8bit對字元編碼，所以編碼空間中只有256個字元。該編碼中只包含了基本的ASCII碼和一些擴充的其它西歐字元，所以該字元集中不可能包含中文的“中”字，也就是說Java虛擬機器無法在ISO-8859-1編碼集中找到“中”字對應的編碼，針對這種情況，就只返回一個問號(?,0x3f)字元，所以此時bytes.length只有1，且bytes[0]=0x3f。 二、new String(byte[] bytes, String encoding)getBytes ()方法從字串獲得二進位的位元組數組。如果要從二進位的位元組數組獲得字串，則就需要使用new String(byte[] bytes, String encoding)方法，該方法按照encoding編碼方法對位元組數組bytes中的位元組進行解析，產生一個新的字串對象。

byte[] bytes = {(byte)0xD6, (byte)0xD0, (byte)0x31};	①
String str = new String(bytes);	②
str = new String(bytes,”ISO-8859-1”);	③

語句①：定義一個位元組數組。語句②：將該位元組數組中的位元據按照預設的編碼方式（GBK）編碼成字串，我們知道GBK中0xD6 0xD0表示“中”，0x31表示字元“1”（GBK相容ASCII，但不相容ISO-8859-1除ASCII之外的部分），所以str得到的值是“中1”。語句③：該句用ISO -8859-1編碼方式對該位元組資料進行編碼，由於在ISO-8859-1編碼方式中一個位元組會被解析成一個字元，所以該位元組數組會被解釋成包含三個字元的字串，但由於在ISO-8859-1編碼方式中沒有對應0xD6和0xD0的字元，所以前兩個字元會產生兩個問號，由於0x31在ISO-8859- 1編碼中對應字元“1”（ISO-8859-1也相容ASCII），所以此語句得到str的值是“??1”。

 

三、編碼轉換上面介紹的兩個語句是解決Java中編碼問題的基本語句，而且一般的亂碼問題也都可以通過配合使用以上兩個語句來解決。例如將InputStream中以UTF-8編碼方式編碼的字元資料轉換成為GBK編碼的位元組數組：

public byte[] Transmit(InputStream UTFIStream){

BufferedReader reader = new BufferedReader(new InputStreamReader(UTFIStream),”UTF-8”);

StringBuffer content = new StringBuffer();

String temline;

while((temline=reader.readLine()) != null)

{

content.append(temline + “/n”);

}

return content.toString().getBytes(“GBK”);

}

四、mysql亂碼問題

    mysql中的預設字元編碼方式為latin1,也即ISO-8859-1，而java中預設的字元編碼方式為Unicode，因此在java中訪問存取mysql時會出現中文亂碼問題。解決方案是：在儲存mysql之前，將中文字元由GBK編碼轉換成latin1編碼；從mysql取資料之後，將latin1編碼轉換成GBK編碼。轉換函式如下：
   public static String GBKTolatin1(String str)
     {
      if(str==null)
      {
       str="";
      }
      else{
       try{
        str=new String(str.getBytes("GBK"),"ISO-8859-1");
       }
       catch(Exception ex){
        ex.printStackTrace();
       }
      }
       return str;
     }

    public static String latin1ToGBK(String str)
     {
      try {
        str=new String(str.getBytes("ISO-8859-1"),"GBK");
        return str;
      }catch (UnsupportedEncodingException ex) {
       System.out.println(ex);
       return "";
      }
     }