java字元串編碼問題,java對字元串編碼

本文目錄一覽：

• 1、JAVA 字元串 位元組 編碼問題 高手來
• 2、請問java如何改變字元串的編碼方式
• 3、JAVA字元編碼問題

JAVA 字元串 位元組 編碼問題 高手來

編程序的時候如果：String str=”中文”;在存成文件時，需要把這段文字存為數據（每個位元組byte=8bit），即要編碼，按照不同的編碼方式（比如gb2312或者unicode），所以保存文件的時候需要指定編碼，一般編輯器默認跟系統一致。java編譯器，將源程序編碼時，採用的是unicode編碼方式，所以存在class文件中的位元組碼里的中文常量也是unicode的。這是源程序

在程序處理時，你如果想把str=”中文”，以一定的編碼方式變成存儲時的數據(byte數組)，就需要str.getBytes(“encoding”)，同理，你從文件或者其他地方讀取到數據後，想轉換成字元串，那麼你就要知道他之前是用什麼編碼方式變成的數據，然後用new String(bytes, “encoding”)

就可以了。

請問java如何改變字元串的編碼方式

byte[] b=string.getBytes(“GB2312”);//使用GB2312編碼方式對字元串string進行編碼

//這時要想將位元組數組b的內容正確解碼只能使用GB2312的編碼方式進行解碼，即

String str=new String(b,”GB2312″);//這裡若使用UTF-8編碼方式來進行解碼就會亂碼

//將eclipse默認的編碼方式改為UTF-8，只是用該編碼方式對.java源文件進行編碼保存

//這個對new String(string.getBytes(“GB2312″),”UTF-8”)沒啥影響的

//因為從java源文件獲取字元串string時，已經通過UTF-8編碼方式進行解碼了

//而string.getBytes(“GB2312”)是使用指定的編碼方式對字元串string進行從新編碼

//這兩者之間沒啥關係的

JAVA字元編碼問題

這種編碼問題真是很tricky的問題。說它tricky是因為這至少涉及到以下4種編碼選取的排列組合(有時甚至更多)，更有時乃至會發生錯進錯出，負負得正，中間過程錯了但反而到不是亂碼的情況。

(1)源代碼的編碼

(2)編譯時告訴java編譯器的源代碼編碼

(3)運行時jvm參數file.encoding

(4)輸出終端對輸出位元組流的解碼所採用的碼組

在這簡單情況下(1)和(2)一致，(3)和(4)一致就不會因為編解碼映射錯誤(當然字元向終端字體映射的錯誤是另一回事，如字體缺失之類)。而(1)(2)和(3)(4)不必一致，這樣就使得不必強求開發編譯環境和運行應用環境的編碼必須一致。

源代碼的錄入與編譯若在在一個平台上時，大多數情況沒有問題(反而用聰明的Idea IDE設置錯誤時會亂套，越是簡陋的開發環境越不太會錯)。但是如果你在中文GBK編碼平台上的源代碼在別人的unicode編碼平台上編譯，就有問題了。所以和別人，特別是和不同母語的人合作編程時，建議要麼約定一律用unicode作為源文件編碼；要麼只用ASCII字元，反正其他編碼一般都和ASCII兼容的，對於非ASCII字元，用Java的/uxxxx表示機制，比如”中國”就表示為”\u4e2d\u56fd”。4e2d和56fd分別是中國二字的unicode十六進位編碼。

但我認為樓主在這裡其實主要關心的是運行時的編碼一致問題，即(3)和(4)。所以言歸正傳，讓我們來檢查它們是否一致。

由於正如上述，iso8859-1編碼集其實是被其他所有公認的編碼集所兼容的，也就是說它是所有公認編碼集的公共子集。所以以iso8859-1為基礎可以外延到任何一個公認編碼集。事實上大多數情況也是這樣做的。比如java System property里設定了encoding為iso8859-1，事實上不僅僅是一個Latin字母的映射，在非Latin區域按JVM宿主操作系統的編碼擴展。即選iso8859-1其實是選擇了宿主操作系統的默認編碼。

假設樓主的操作系統編碼是GBK,那麼file.encoding=iso8859-1相當於選擇了file.encoding=GBK。那麼System.out.println(…)這個核心類方法會將china字元轉換為file.encoding指定的編碼(GBK)位元組由out流輸出給最終out所綁定的終端。比如console一般採用系統默認編碼也是GBK的話，那就和file.encoding一致，能正常解碼，不會亂碼。

至於System.out.write()直接寫位元組流。由於該位元組流是由china.getBytes()得到的，在不指定編碼的時候使用file.encoding指定的默認值的(即GBK)，因此Str-Byte的編碼方法GBK和console採用的解碼方法GBK又是一致的，所以也不是亂碼。

但是這時候用toHexString列印出的兩個位元組串是不一樣的。先直接把china逐字強行轉換為int的情況，不涉及輸出編碼，總是unicode的。(JVM規範規定class里字串必須unicode編碼)只要上述(1) (2)匹配，java編譯器會自動從各種編碼的源文件正確轉成class文件里統一unicode編碼的字串。相反，作為一個題外話提一下，當(1)(2)不匹配時會在特定的一種配合(1)(2)的(3)(4)也不匹配的情況下會負負得正輸出正常，但這是絕對錯誤的做法，因為任何要求(1)(2)和(3)(4)有匹配關係的要求都是在應用中可能無法滿足的。java編譯器對這種情況也會報告warning，但不fail。

綜上，一旦file.encoding設成宿主操作系統默認而系統consle也採用操作系統默認編解碼的話，(3)(4)總是一致的，無論系統選擇的是GBK還是utf-8等等。

那麼如果file.encoding不選系統默認呢？比如utf-8。那就很可能出現亂碼了。但是，慢著，試驗的結果還是沒有亂碼。那是因為file.encoding是靜態的JVM系統參數，在程序里像樓主那樣設定是不起作用的(我不知道有沒有辦法發一個什麼通知讓這種程序改變生效的)。必須作為JVM參數直接傳給java程序讓它構造虛擬機的時候就得到這個參數，否則JVM會去拿宿主系統的默認值，就相當於又回到設file.encoding=iso8859-1了。

java -Dfile.encoding=utf-8 A

這下終於亂碼了，而且兩個都亂了。列印出的位元組串一個還是unicode，另一個從GBK變到utf-8了。

如果你發現試驗的現象和我上面說的正好相反，請注意檢查console的編碼設置，我們上面假設它也採用了宿主系統默認編碼，但有些console很高級的嘞，可以設置成不通編碼的(其實幾乎所有的都可以)。那麼分析的方法和上面一樣，結果可能正好相反。