Java在中文环境中乱码无处不在，而且出现的时间和位置也包涵广泛，具体的解决方法也是千奇百怪。
但是如果能理清其中的脉络，理解字符处 理的过程，对于解决问题很有指导意义，不至于解决了问题也不知道为什么。
其实，原因不外乎出在String输入时和输出时。
首先，Java中的任何String都是以UNICODE格式存在的。
很多人因为在GBK环境中使用String，会误以为String是GBK格式，实际上Java的String类中并没有存储CharSet信息的字段， 所有String中的字符只会以UNICODE的2字节形式存在。
String在构造时会逐一把字符按指定编码(默认值为系统编码GBK)，转换为UNICODE字符，存入一个Char(无符号16位)数组中。
如:
new String(bytes，"gbk");
并不是说，生成一个GBK编码的字符串，而是按GBK逐一辨认字节数组bytes中的字符转化为UNICODE。
假设，bytes本是按GB编码的，构造方法在发现一个高位为0的byte作为ascii字符处理，高位为1和后面的一个byte合成中文字符， 再转换编码。
可以看出，在这个过程中，编码选择错误会导致程序按错误方法辨认bytes，乱码出现了。
在这里产生的乱码，很多时候还可以通过.getByte()方法修复，还没有后面的严重。
如:
"中".getBytes("iso-8859-1");
因为iso-8859-1中没有中文，所以"中"的值被替换成63，显示'?'，无法判断以前是什么值。
所以如下String将被破坏掉:
new String("中文".getBytes("iso-8859-1")，"iso-8859-1");
如果目标编码方式支持中文，不会损坏String:
new String("中文".getBytes("utf-8")，"utf-8");
Java在显示字符时，还需要进行一次转换，把UNICODE字符转换成用于显示的字符编码形式。
很多时候，这个过程是自动的，会按系统的默认编码(一般是GBK)转换String。
如果和页面编码不一样，会出现乱码，虽然在Java的程序中只有一种编码，输出却可以有不同的编码。
有时候，我们需要用 iso-8859-1格式分解String的中文，以便在不支持中文的系统中存储:
new String("中文".getBytes("GBK")，"iso-8859-1");
先通过GBK等支持中文的编码方式分解为byte数组，再做为iso-8859-1字符组成字符串，避免了被替换为Char(63)。
=========================================================================
示例程序
public static void main(String[] args)
{
String str = "中国";
printBytes("中国的UNICODE编码："， str.getBytes(Charset.forName("unicode")));
printBytes("中国的GBK编码："， str.getBytes(Charset.forName("GBK")));
printBytes("中国的UTF-8编码："， str.getBytes(Charset.forName("UTF-8")));
}
public static void printBytes(String title， byte[] data)
{
System.out.println(title);
for (byte b : data)
{
System.out.print("0x" + toHexString(b) + " ");
}
System.out.println();
}
public static String toHexString(byte value)
{
String tmp = Integer.toHexString(value & 0xFF);
if (tmp.length() == 1)
{
tmp = "0" + tmp;
}
return tmp.toUpperCase();
}
上例的输出结果为：
中国的UNICODE编码：
0xFE 0xFF 0x4E 0x2D 0x56 0xFD
中国的GBK编码：
0xD6 0xD0 0xB9 0xFA
中国的UTF-8编码：
0xE4 0xB8 0xAD 0xE5 0x9B 0xBD
其实做为一个开发者，有一个学习的氛围跟一个交流圈子特别重要这里我推荐一个Java交流群664389243，不管你是小白还是大牛欢迎入驻，大家一起交流成长。
网友评论