java乱码问题分析

java 采用unicode 编码来处理字符。Java 程序无论是从/往文件系统以字符流读/写文件，还是往URL 连接写 HTML 信息，或从URL 连接读取参数值，都会有字符编码的转换。编/解码过程如下图：

 

乱码产生的根源是由于编码和解码采用的不是同一种码（gbk，utf-8，iso8859-1）。

字符串（String 或char[]）"123你" 经过java 编码后的字节流（unicode 字节流）为31 00 32 00 33 00 60 4f。如果你用new String("123你".getBytes("iso8859-1"), "gbk") 就会产生乱码。

因为getBytes("iso8859-1") 取得的是"123你" 经过iso8859-1 编码后的字节流31 32 33 3f（iso8859字节流），而在用new String(bytes, "gbk") 构造字符串时java 则将iso8859字节流（31 32 33 3f）当作是unicode 字节流（因为java 是采用unicode 来处理字符的，所以它把字节流统统当作是unicode 字节流），因此它把31 32 33 3f 也看成是unicode 字节流。而unicode 字节流（31 32 33 3f）经过gbk 编码后当然是123? 了。于是，乱码产生了。下面的是一个测试程序：

public class Charset {

    public static void main(String[] args) {
        String str = "123你";

        try {
            byte[] unicode = str.getBytes("unicode");
            for (int i=0; i<unicode.length; i++)
                System.out.print(Integer.toHexString(unicode[i]) + " ");
            System.out.println(new String(unicode));        // ??1 2 3 `O

            byte[] utf8 = str.getBytes("utf-8");
            for (int i=0; i<utf8.length; i++)
                System.out.print(Integer.toHexString((utf8[i])) + " ");
            System.out.println(new String(utf8));        // 123浣?

            byte[] iso88591 = str.getBytes("iso8859-1");
            for (int i=0; i<iso88591.length; i++)
                System.out.print(Integer.toHexString((iso88591[i])) + " ");
            System.out.println(new String(iso88591));        // 123?

            byte[] gbk = str.getBytes("gbk");
            for (int i=0; i<gbk.length; i++)
                System.out.print(Integer.toHexString((gbk[i])) + " ");
            System.out.println(new String(gbk));        // 123你

        } catch (Exception e) {
            e.printStackTrace();
        }
    }
}