【Java 基础专题】编码与乱码(02)---String的getBytes([encod...

【Java 基础专题】编码与乱码(02)---String的getBytes([encoding])方法测试

cobra - 2010-2-22 23:50:00

上一篇：【Java 基础专题】编码与乱码(01)---编码基础

1. package example.encoding;
   
2. 
   
3. import java.io.UnsupportedEncodingException;
   
4. 
   
5. /** *//**
   
6. * The Class GetBytesTest.
   
7. */
   
8. public class GetBytesTest {
   
9. 
   
10.     /** *//**
    
11.     * The main method.
    
12.     *
    
13.     * @param args the arguments
    
14.     */
    
15.     public static void main(String args[]) {
    
16.        
    
17.         String content = "中文";
    
18.         String defaultEncoding = System.getProperty("file.encoding");
    
19.         String defaultLnaguage = System.getProperty("user.language");
    
20.         System.out.println("System default encoding --- " + defaultEncoding);
    
21.         System.out.println("System default language --- " + defaultLnaguage);
    
22. 
    
23.         GetBytesTest tester = new GetBytesTest();
    
24. 
    
25.         byte[] defaultBytes = tester.getBytesWithDefaultEncoding(content);
    
26.         tester.printBytes(defaultBytes);
    
27. 
    
28.         byte[] iso8859Bytes = tester.getBytesWithGivenEncoding(content,
    
29.                 "ISO-8859-1");
    
30.         tester.printBytes(iso8859Bytes);
    
31. 
    
32.         byte[] gbkBytes = tester.getBytesWithGivenEncoding(content, "GBK");
    
33.         tester.printBytes(gbkBytes);
    
34. 
    
35.         byte[] utfBytes = tester.getBytesWithGivenEncoding(content, "UTF-8");
    
36.         tester.printBytes(utfBytes);
    
37. 
    
38.     }
    
39. 
    
40.     /** *//**
    
41.     * Gets the bytes with default encoding.
    
42.     *
    
43.     * @param content the content
    
44.     *
    
45.     * @return the bytes with default encoding
    
46.     */
    
47.     public byte[] getBytesWithDefaultEncoding(String content) {
    
48.         System.out.println("\nEncode with default encoding\n");
    
49.         byte[] bytes = content.getBytes();
    
50.         return bytes;
    
51.     }
    
52. 
    
53.     /** *//**
    
54.     * Gets the bytes with given encoding.
    
55.     *
    
56.     * @param content the content
    
57.     * @param encoding the encoding
    
58.     *
    
59.     * @return the bytes with given encoding
    
60.     */
    
61.     public byte[] getBytesWithGivenEncoding(String content, String encoding) {
    
62.         System.out.println("\nEncode with given encoding : " + encoding + "\n");
    
63.         try {
    
64.             byte[] bytes = content.getBytes(encoding);
    
65.             return bytes;
    
66.         } catch (UnsupportedEncodingException e) {
    
67.             e.printStackTrace();
    
68.             return null;
    
69.         }
    
70.     }
    
71. 
    
72.     /** *//**
    
73.     * Prints the bytes.
    
74.     *
    
75.     * @param bytes the bytes
    
76.     */
    
77.     public void printBytes(byte[] bytes) {
    
78.         for (int i = 0; i < bytes.length; i++) {
    
79.             System.out.print(" byte[" + i + "] = " + bytes);
    
80.             System.out
    
81.                     .println(" hex string = " + Integer.toHexString(bytes));
    
82.         }
    
83.     }
    
84. 
    
85. }
    

复制代码

【1】在中文平台下，测试结果如下：

System default encoding --- GBK System default language --- zh Encode with default encoding byte[0] = -42 hex string = ffffffd6 byte[1] = -48 hex string = ffffffd0 byte[2] = -50 hex string = ffffffce byte[3] = -60 hex string = ffffffc4 Encode with given encoding : ISO-8859-1 byte[0] = 63 hex string = 3f byte[1] = 63 hex string = 3f Encode with given encoding : GBK byte[0] = -42 hex string = ffffffd6 byte[1] = -48 hex string = ffffffd0 byte[2] = -50 hex string = ffffffce byte[3] = -60 hex string = ffffffc4 Encode with given encoding : UTF-8 byte[0] = -28 hex string = ffffffe4 byte[1] = -72 hex string = ffffffb8 byte[2] = -83 hex string = ffffffad byte[3] = -26 hex string = ffffffe6 byte[4] = -106 hex string = ffffff96 byte[5] = -121 hex string = ffffff87

【2】在英文平台下，测试结果如下：

System default encoding --- Cp1252 System default language --- en Encode with default encoding byte[0] = 63 hex string = 3f byte[1] = 63 hex string = 3f Encode with given encoding : ISO-8859-1 byte[0] = 63 hex string = 3f byte[1] = 63 hex string = 3f Encode with given encoding : GBK byte[0] = -42 hex string = ffffffd6 byte[1] = -48 hex string = ffffffd0 byte[2] = -50 hex string = ffffffce byte[3] = -60 hex string = ffffffc4 Encode with given encoding : UTF-8 byte[0] = -28 hex string = ffffffe4 byte[1] = -72 hex string = ffffffb8 byte[2] = -83 hex string = ffffffad byte[3] = -26 hex string = ffffffe6 byte[4] = -106 hex string = ffffff96 byte[5] = -121 hex string = ffffff87

【结论】

getBytes()、getBytes(encoding)函数的作用是使用系统默认或者指定的字符集编码方式，将字符串编码成字节数组。

在中文平台下，默认的字符集编码是GBK，此时如果使用getBytes()或者getBytes("GBK")，则按照GBK的编码规则将每个中文字符用2个byte表示。所以我们看到"中文"最终GBK编码结果就是： -42 -48 -50 -60 。-42和-48代表了"中"字，而"-50"和"-60"则代表了"文"字。

在中文平台下，如果指定的字符集编码是UTF-8，那么按照UTF-8对中文的编码规则：每个中文用3个字节表示，那么"中文"这两个字符最终被编码成：-28 -72 -83、-26 -106 -121两组。每3个字节代表一个中文字符。

在中文平台下，如果指定的字符集编码是ISO-8859-1，由于此字符集是单字节编码，所以使用getBytes("ISO-8859-1") 时，每个字符只取一个字节，每个汉字只取到了一半的字符。另外一半的字节丢失了。由于这一半的字符在字符集中找不到对应的字符，所以默认使用编码63代替，也就是?。

在英文平台下，默认的字符集编码是Cp1252(类似于ISO-8859-1)，如果使用GBK、UTF-8进行编码，得到的字节数组依然是正确的 (GBK4个字节，UTF-8是6个字节)。因为在JVM内部是以Unicode存储字符串的，使用getBytes(encoding)会让JVM进行一次Unicode到指定编码之间的转换。对于GBK，JVM依然会转换成4个字节，对于UTF-8，JVM依然会转换成6个字节。但是对于ISO- 8859-1，则由于无法转换(2个字节--->1个字节，截取了一半的字节)，所以转换后的结果是错误的。

相同的平台下，同一个中文字符，在不同的编码方式下，得到的是完全不同的字节数组。这些字节数组有可能是正确的(只要该字符集支持中文)，也可能是完全错误的(该字符集不支持中文)。

记住：

不要轻易地使用或滥用String类的getBytes(encoding)方法，更要尽量避免使用getBytes()方法。因为这个方法是平台依赖的，在平台不可预知的情况下完全可能得到不同的结果。如果一定要进行字节编码，则用户要确保encoding的方法就是当初字符串输入时的 encoding。（文/Paul Lin）

下一篇：【Java 基础专题】编码与乱码(03)----String的toCharArray()方法测试