轉自：http://www.blogjava.net/javaandcc/articles/255995.html
java中的String字串是以unicode儲存的，佔兩個位元組，String的getBytes()方法是得到一個字串的位元組數組，如果是getBytes("unicode")||getBytes("utf-16"),則後兩個位元組和儲存的資料是一樣的。
String的getBytes()方法是得到一個字串的位元組數組，這是眾所周知的。但特別要注意的是，本方法將返回該作業系統預設的編碼格式的位元組數組。如果你在使用這個方法時不考慮到這一點，你會發現在一個平台上運行良好的系統，放到另外一台機器後會產生意想不到的問題。比如下面的程式:
class TestCharset
{ public static void main(String[] args)
{
new TestCharset().execute();
} private void execute() {
String s = "Hello!你好！";
byte[] bytes = s.getBytes(); System.out.println("bytes
lenght is:" + bytes.length);
}}在一個中文WindowsXP系統下，運行時，結果為：
bytes lenght is:12但是如果放到了一個英文的UNIX環境下運行：
$ java TestCharset
bytes lenght is:9如果你的程式依賴於該結果，將在後續操作中引起問題。為什麼在一個系統中結果為12，而在另外一個卻變成了9了呢？上面已經提到了，該方法是和平台（編碼）相關的。在中文作業系統中，getBytes方法返回的是一個GBK或者GB2312的中文編碼的位元組數組，其中中文字元，各佔兩個位元組。而在英文平台中，一般的預設編碼是“ISO-8859-1”，每個字元都只取一個位元組（而不管是否非拉丁字元）。Java中的編碼支援Java是支援多國編碼的，在Java中，字元都是以Unicode進行儲存的，比如，“你”字的Unicode編碼是“4f60”，我們可以通過下面的實驗代碼來驗證：
class TestCharset
{ public static void main(String[] args)
{
char c = '你';
int i = c;
System.out.println(c);
System.out.println(i);
}}不管你在任何平台上執行，都會有相同的輸出：
2032020320就是Unicode “4f60”的整數值。其實，你可以反編譯上面的類，可以發現在產生的.class檔案中字元“你”（或者其它任何中文字串）本身就是以Unicode編碼進行儲存的：
char c = '\u4F60';
... ...即使你知道了編碼的編碼格式，比如：
javac -encoding GBK TestCharset.java編譯後產生的.class檔案中仍然是以Unicode格式儲存中文字元或字串的。使用String.getBytes(String charset)方法所以，為了避免這種問題，我建議大家都在編碼中使用String.getBytes(String charset)方法。下面我們將從字串分別提取ISO-8859-1和GBK兩種編碼格式的位元組數組，看看會有什麼結果：
class TestCharset
{ public static void main(String[] args)
{
new TestCharset().execute();
} private void execute() {
String s = "Hello!你好！";
byte[] bytesISO8859 =null;
byte[] bytesGBK = null; try {
bytesISO8859 = s.getBytes("iso-8859-1");
bytesGBK = s.getBytes("GBK");
} catch (java.io.UnsupportedEncodingException e) {
e.printStackTrace();
} System.out.println("-------------- \n 8859 bytes:");
System.out.println("bytes is: " + arrayToString(bytesISO8859));
System.out.println("hex format is:"+ encodeHex(bytesISO8859));
System.out.println(); System.out.println("--------------\n GBK bytes:");
System.out.println("bytes is: " + arrayToString(bytesGBK));
System.out.println("hex formatis:" + encodeHex(bytesGBK)); } public static final String encodeHex (byte[] bytes){
StringBuffer buff = new StringBuffer(bytes.length * 2);
String b;
for (int i=0; i<bytes.length ; i++) {
b = Integer.toHexString(bytes[i]);
// byte是兩個位元組的，而上面的Integer.toHexString會把位元組擴充為4個位元組
buff.append(b.length() > 2 ? b.substring(6,8) : b);
buff.append(" ");
}
return buff.toString();
} public static final String arrayToString (byte[] bytes){
StringBuffer buff = new StringBuffer();
for (int i=0; i<bytes.length ; i++) {
buff.append(bytes[i] + " ");
}
return buff.toString();
}}執行上面程式將列印出：
--------------
8859 bytes:
bytes is: 72 101 108 108 111 33 63 63 63
hex format is:48 65 6c 6c 6f 21 3f 3f 3f--------------
GBK bytes:
bytes is: 72 101 108 108 111 33
-60 -29 -70 -61 -93 -95
hex format is:48 65 6c 6c 6f 21 c4 e3 ba c3 a3 a1可見，在s中提取的8859-1格式的位元組數組長度為9，中文字元都變成了“63”，ASCII碼為63的是“?”，一些國外的程式在國內中文環境下運行時，經常出現亂碼，上面布滿了“?”，就是因為編碼沒有進行正確處理的結果。而提取的GBK編碼的位元組數組中正確得到了中文字元的GBK編碼。字元“你”“好”“！”的GBK編碼分別是：“c4e3”“bac3”“a3a1”。得到了正確的以GBK編碼的位元組數組，以後需要還原為中文字串時，可以使用下面方法：
new String(byte[] bytes,
String charset)
