Java字串應用之字串編碼轉換

無論是對程式的本地化還是國際化，都會涉及到字元編碼的轉換的問題。尤其在web應用中常常需要處理中文字元，這時就需要進行字串的編碼轉換，將字串編碼轉換為GBK或者GB2312.

一、關鍵技術點：

1、當前流行的字元編碼格式有：US-ASCII、ISO-8859-1、UTF-8、UTF-16BE、UTF-16LE、UTF-16、GBK、GB2312等，其中GBK、GB2312是專門處理中文編碼的。

2、String的getBytes方法用於按指定編碼擷取字串的位元組數組，參數指定瞭解碼格式，如果沒有指定解碼格式，則按系統預設編碼格式。

3、String的“String(bytes[] bs, String charset)”構造方法用於把位元組數組按指定的格式組合成一個字串對象

二、執行個體示範：

package book.String;

import java.io.UnsupportedEncodingException;

/**

* 轉換字串的編碼

* @author joe

*

*/

public class ChangeCharset {

/** 7位ASCII字元，也叫作ISO646-US、Unicode字元集的基本拉丁塊 */

public static final String US_ASCII = “US-ASCII”;

/** ISO拉丁字母表 No.1,也叫做ISO-LATIN-1 */

public static final String ISO_8859_1 = “ISO-8859-1”;

/** 8 位 UCS 轉換格式 */

public static final String UTF_8 = “UTF-8”;

/** 16 位 UCS 轉換格式，Big Endian(最低地址存放高位位元組)位元組順序 */

public static final String UTF_16BE = “UTF-16BE”;

/** 16 位 UCS 轉換格式，Litter Endian(最高地址存放地位位元組)位元組順序 */

public static final String UTF_16LE = “UTF-16LE”;

/** 16 位 UCS 轉換格式，位元組順序由可選的位元組順序標記來標識 */

public static final String UTF_16 = “UTF-16”;

/** 中文超大字元集 **/

public static final String GBK = “GBK”;

public static final String GB2312 = “GB2312”;

/** 將字元編碼轉換成US-ASCII碼 */

public String toASCII(String str) throws UnsupportedEncodingException {

return this.changeCharset(str, US_ASCII);

}

/** 將字元編碼轉換成ISO-8859-1 */

public String toISO_8859_1(String str) throws UnsupportedEncodingException {

return this.changeCharset(str, ISO_8859_1);

}

/** 將字元編碼轉換成UTF-8 */

public String toUTF_8(String str) throws UnsupportedEncodingException {

return this.changeCharset(str, UTF_8);

}

/** 將字元編碼轉換成UTF-16BE */

public String toUTF_16BE(String str) throws UnsupportedEncodingException{

return this.changeCharset(str, UTF_16BE);

}

/** 將字元編碼轉換成UTF-16LE */

public String toUTF_16LE(String str) throws UnsupportedEncodingException {

return this.changeCharset(str, UTF_16LE);

}

/** 將字元編碼轉換成UTF-16 */

public String toUTF_16(String str) throws UnsupportedEncodingException {

return this.changeCharset(str, UTF_16);

}

/** 將字元編碼轉換成GBK */

public String toGBK(String str) throws UnsupportedEncodingException {

return this.changeCharset(str, GBK);

}

/** 將字元編碼轉換成GB2312 */

public String toGB2312(String str) throws UnsupportedEncodingException {

return this.changeCharset(str,GB2312);

}

/**

 

------------------------------------------------------------------------------------------------------------------

        java中的String類是按照unicode進行編碼的，當使用String(byte[] bytes, String encoding)構造字串時，encoding所指的是bytes中的資料是按照那種方式編碼的，而不是最後產生的String是什麼編碼方式，換句話說，是讓系統把bytes中的資料由encoding編碼方式轉換成unicode編碼。如果不指明，bytes的編碼方式將由jdk根據作業系統決定。

        當我們從檔案中讀資料時，最好使用InputStream方式，然後採用String(byte[] bytes, String encoding)指明檔案的編碼方式。不要使用Reader方式，因為Reader方式會自動根據jdk指明的編碼方式把檔案內容轉換成unicode編碼。

        當我們從資料庫中讀文本資料時，採用ResultSet.getBytes()方法取得位元組數組，同樣採用帶編碼方式的字串構造方法即可。

ResultSet rs;
bytep[] bytes = rs.getBytes();
String str = new String(bytes, "gb2312");

不要採取下面的步驟。

ResultSet rs;
String str = rs.getString();
str = new String(str.getBytes("iso8859-1"), "gb2312");

        這種編碼轉換方式效率底。之所以這麼做的原因是，ResultSet在getString()方法執行時，預設資料庫裡的資料編碼方式為iso8859-1。系統會把資料依照iso8859-1的編碼方式轉換成unicode。使用str.getBytes("iso8859-1")把資料還原，然後利用new String(bytes, "gb2312")把資料從gb2312轉換成unicode，中間多了好多步驟。

        從HttpRequest中讀參數時，利用reqeust.setCharacterEncoding()方法設定編碼方式，讀出的內容就是正確的了。