【Java编程高级进阶】java 获取 string 字符串的编码详解

刚刚研究的一个问题“Java同样的汉字在服务器和本地的电脑上URLencode 出来的结果不一致”也涉及了字符串的编码格式。

最简单的方法就是：Charset.defaultCharset();

Servlet中可以使用：request.getCharacterEncoding();

也可以使用上文提到的，不过也不那么简单：

[java] view plain copy

1. dfltEncName = (String)AccessController.doPrivileged(new GetPropertyAction("file.encoding"));   

也有一些其它方式可以参考，如下面这个就比较麻烦了！

[java] view plain copy

1. public static String getEncoding(String str) {        
2.        String encode = "GB2312";        
3.       try {        
4.           if (str.equals(new String(str.getBytes(encode), encode))) {      //判断是不是GB2312  
5.                String s = encode;        
6.               return s;      //是的话，返回“GB2312“，以下代码同理  
7.            }        
8.        } catch (Exception exception) {        
9.        }        
10.        encode = "ISO-8859-1";        
11.       try {        
12.           if (str.equals(new String(str.getBytes(encode), encode))) {      //判断是不是ISO-8859-1  
13.                String s1 = encode;        
14.               return s1;        
15.            }        
16.        } catch (Exception exception1) {        
17.        }        
18.        encode = "UTF-8";        
19.       try {        
20.           if (str.equals(new String(str.getBytes(encode), encode))) {   //判断是不是UTF-8  
21.                String s2 = encode;        
22.               return s2;        
23.            }        
24.        } catch (Exception exception2) {        
25.        }        
26.        encode = "GBK";        
27.       try {        
28.           if (str.equals(new String(str.getBytes(encode), encode))) {      //判断是不是GBK  
29.                String s3 = encode;        
30.               return s3;        
31.            }        
32.        } catch (Exception exception3) {        
33.        }        
34.       return "";        //如果都不是，说明输入的内容不属于常见的编码格式。  

2017-02-10更新

纠正对”Charset.defaultCharset()“的错误理解，”Charset.defaultCharset()“方法的注释内容是返回此Java虚拟机的默认字符集。默认字符集在虚拟机启动期间确定，并且通常取决于底层操作系统的区域设置和字符集。而字符串的编码是受来源影响的！

但是如”Java同样的汉字在服务器和本地的电脑上URLencode 出来的结果不一致“中提到的，”Charset.defaultCharset()“实际上是返回的”file.encoding“，也就是文件采用的编码。

使用”System.getProperties()“ 可以得到如下几种编码相关的属性：

file.encoding.pkg=sun.io

sun.jnu.encoding=GBK

file.encoding=UTF-8

sun.io.unicode.encoding=UnicodeLittle

sun.cpu.endian=little

sun.jnu.encoding 猜测是系统的默认编码，参考：

[plain] view plain copy

1. 关于 Java 的系统属性 sun.jnu.encoding 和 file.encoding 的区别  
2. sun.jnu.encoding 影响文件名的创建，而 file.encoding 则影响到文件内容。  
3. 所以说，在我们使用 Java 处理中文文件的时候，如果发现文件的中文内容没有乱码，而文件的中文名发生乱码，我们就应当多考虑一下 sun.jnu.encoding 和 file.encoding 的区别了。  

file.encoding 处理文件内容默认使用的编码；

使用Eclipse main 方法测试时，会自动根据文件内容的编码确定启动JVM使用的编码，如下图：

如果在这里配置了和文件编码不同的编码方式，文件中的字符串输出可能就会产生乱码，如下面的代码输出为：

ISO-8859-1
?????????? ?????18

[java] view plain copy

1. public static void main(String[] args) {  
2.     Properties pro = System.getProperties();  
3.     System.out.println(pro.getProperty("file.encoding"));  
4.       
5.     try {  
6.         String destination = new String("中文エキサイト네이버 중국어사전17");  
7.         if(destination.equals(new String(destination.getBytes("GB2312"), "GB2312")))  
8.         {  
9.             System.out.println(destination);  
10.         }  
11.           
12.         destination = new String("中文エキサイト네이버 중국어사전18");  
13.         if(destination.equals(new String(destination.getBytes("utf-8"), "utf-8")))  
14.         {  
15.             System.out.println(destination);  
16.         }  
17.     } catch (UnsupportedEncodingException e) {  
18.         // TODO Auto-generated catch block  
19.         e.printStackTrace();  
20.     }  
21. }  

由于文件的编码是”UTF-8“，而调试配置的是：ISO-8859-1
上面的代码我们创建一个名为 ”CharsetTest3.java“的文件，在CMD下编译执行：

打开CMD，切换到文件所在目录：

[java] view plain copy

1. D:\javaProject\javatrans\src\main\java\wasdev\sample\servlet>javac CharsetTest3.  
2. java  
3. CharsetTest3.java:17: 错误: 编码GBK的不可映射字符  
4.                         String destination = new String("涓枃銈ㄣ偔銈点偆銉堧  
5. 劋鞚措矂 欷戧淡鞏挫偓鞝?17");  
6.   
7. ^  
8. CharsetTest3.java:23: 错误: 编码GBK的不可映射字符  
9.                         destination = new String("涓枃銈ㄣ偔銈点偆銉堧劋鞚措矂  
10.  欷戧淡鞏挫偓鞝?18");  
11.                                                                          ^  
12. 2 个错误  

没有指定编码，与系统默认不符！

[java] view plain copy

1. D:\javaProject\javatrans\src\main\java\wasdev\sample\servlet>javac CharsetTest3.  
2. java -encoding utf-8  

使用”-encoding utf-8“指定编码，执行成功。
注意：在CMD在测试的时候最好不要使用包名，不然很麻烦，我真想说恨死Java了（包的查找方式太恶心，或许是因为性能考虑所以写的这么死板）。

我的文件完整路径是：D:\javaProject\javatrans\src\main\java\wasdev\sample\servlet\CharsetTest3.java

可以通过” -Dfile.encoding=utf-8“指定编码方式

但是CMD应该是使用的GBK编码，不支持韩文，我们把韩文复制粘贴到CMD窗口中发现这一点：

只见光标后移了，却看不见内容。

sun.cpu.endian=little CPU的字节序为小结尾，这涉及到”主机字节序和网络字节序“的问题，通常主机字节序为小结尾（Little endian：将低序字节存储在起始地址），网络字节序为大结尾（Big endian：将高序字节存储在起始地址）。但不同的处理器（CPU）、操作系统也有可能不同。

优化后的方法：

[java] view plain copy

1. /** 
2.  * 判断字符串的编码 
3.  * 
4.  * @param str 
5.  * @return 
6.  */  
7. public static String getEncoding(String str) {  
8.     String encode[] = new String[]{  
9.             "UTF-8",  
10.             "ISO-8859-1",  
11.             "GB2312",  
12.             "GBK",  
13.             "GB18030",  
14.             "Big5",  
15.             "Unicode",  
16.             "ASCII"  
17.     };  
18.     for (int i = 0; i < encode.length; i++){  
19.         try {  
20.             if (str.equals(new String(str.getBytes(encode[i]), encode[i]))) {  
21.                 return encode[i];  
22.             }  
23.         } catch (Exception ex) {  
24.         }  
25.     }  
26.       
27.     return "";  
28. }  

说明：把”UTF-8“放在第一位是因为现在使用的比较普遍，见下图：

显示Google记录的2001年至2012年网络上主要编码的使用情况。参考：https://en./wiki/UTF-8测试代码：

[java] view plain copy

1. public static void main(String[] args) {  
2.     String str = "中文エキサイト";  
3.     String encode = getEncoding(str);  
4.     System.out.println(encode);  
5.       
6.     str = "中文エキサイト네이버 중국어사전";  
7.     encode = getEncoding(str);  
8.     System.out.println(encode);  
9. }  

执行输出为：UTF-8
UTF-8注意：如果将数组”String encode[]“中”UTF-8“和”GB2312“的位置换一下，结果就会发生改变为：
GB2312
UTF-8
这是为什么？通过监视以下代码中的”destination.getBytes“，我们可以发现是存在重码区域的！

[java] view plain copy

1. destination = new String("中文エキサイト네이버 중국어사전17");  
2. if(destination.equals(new String(destination.getBytes("GB2312"), "GB2312")))  
3. {  
4.     System.out.println(destination);  
5. }  
6.   
7. destination = new String("中文エキサイト네이버 중국어사전18");  
8. if(destination.equals(new String(destination.getBytes("utf-8"), "utf-8")))  
9. {  
10.     System.out.println(destination);  
11. }  

如下图：

所以”getEncoding“方法的正确性有是局限性的，一方面是数组中包含的编码的各类是否够全，一方面是需要判断的字符串特征是否明显。

======================文档信息===========================

版权声明：非商用自由转载-保持署名-注明出处

署名(BY) ：testcs_dn(微wx笑)

文章出处：[无知人生，记录点滴](http://blog.csdn.NET/testcs_dn)