字符串的內部表示？

字符串在java中統一用unicode表示( 即utf-16 LE) ,

對于?String s = "你好哦!";

如果源碼文件是GBK編碼, 操作系統(windows)默認的環境編碼為GBK，那么編譯時, ?JVM將?按照GBK編碼將字節數組解析成字符，然后將字符轉換為unicode格式的字節數組，作為內部存儲。

當打印這個字符串時，JVM 根據操作系統本地的語言環境，將unicode轉換為GBK，然后操作系統將GBK格式的內容顯示出來。

當源碼文件是UTF-8, 我們需要通知編譯器源碼的格式，javac -encoding utf-8 ... , 編譯時，JVM按照utf-8 解析成字符，然后轉換為unicode格式的字節數組， 那么不論源碼文件是什么格式，同樣的字符串，最后得到的unicode字節數組是完全一致的，顯示的時候，也是轉成GBK來顯示(跟OS環境有關)

亂碼如何產生？本質上都是由于 字符串原本的編碼格式 與 讀取時解析用的編碼格式不一致導致的。

例如：

String s = "你好哦!";

System.out.println( new String(s.getBytes(),"UTF-8")); //錯誤，因為getBytes()默認使用GBK編碼， 而解析時使用UTF-8編碼，肯定出錯。

其中 getBytes() 是將unicode 轉換為操作系統默認的格式的字節數組，即"你好哦"的 GBK格式，

new String (bytes, Charset) 中的charset 是指定讀取 bytes 的方式，這里指定為UTF-8,即把bytes的內容當做UTF-8 格式對待。

如下兩種方式都會有正確的結果，因為他們的源內容編碼和解析用的編碼是一致的。

System.out.println( new String(s.getBytes(),"GBK"));

System.out.println( new String(s.getBytes("UTF-8"),"UTF-8"));

那么，如何利用getBytes 和 new String() 來進行編碼轉換呢？網上流傳著一種錯誤的方法:

GBK--> UTF-8: ? ?new String( s.getBytes("GBK") , "UTF-8); ? ,這種方式是完全錯誤的，因為getBytes 的編碼與 ?UTF-8 不一致，肯定是亂碼。

但是為什么在tomcat 下，使用 new String(s.getBytes("iso-8859-1") ,"GBK") 卻可以用呢？ 答案是：

tomcat 默認使用iso-8859-1編碼， 也就是說，如果原本字符串是GBK的，tomcat傳輸過程中，將GBK轉成iso-8859-1了，

默認情況下，使用iso-8859-1讀取中文肯定是有問題的，那么我們需要將iso-8859-1 再轉成GBK， 而iso-8859-1 是單字節編碼的，

即他認為一個字節是一個字符， 那么這種轉換不會對原來的字節數組做任何改變，因為字節數組本來就是由單個字節組成的，

如果之前用GBK編碼，那么轉成iso-8859-1后編碼內容完全沒變， 則 s.getBytes("iso-8859-1") ?實際上還是原來GBK的編碼內容

則?new String(s.getBytes("iso-8859-1") ,"GBK") ?就可以正確解碼了。 所以說這是一種巧合。

如何正確的將GBK轉UTF-8 ? (實際上是unicode轉UTF-8)

String gbkStr = "你好哦!"; //源碼文件是GBK格式，或者這個字符串是從GBK文件中讀取出來的, 轉換為string 變成unicode格式

//利用getBytes將unicode字符串轉成UTF-8格式的字節數組

byte[] utf8Bytes = gbkStr.getBytes("UTF-8");

//然后用utf-8 對這個字節數組解碼成新的字符串

String utf8Str = new String(utf8Bytes, "UTF-8");

簡化后就是:

unicodeToUtf8 (String s) {

return new String( s.getBytes("utf-8") , "utf-8");

}

UTF-8 轉GBK原理也是一樣

return new String( s.getBytes("GBK") , "GBK");

其實核心工作都由 ?getBytes(charset) 做了。

getBytes 的JDK 描述：Encodes this String into a sequence of bytes using the named charset, storing the result into a new byte array.

另外對于讀寫文件，

OutputStreamWriter w1 = new OutputStreamWriter(new FileOutputStream("D:\\file1.txt"),"UTF-8");

InputStreamReader( stream, charset)

可以幫助我們輕松的按照指定編碼讀寫文件。

轉自：

總結

以上是生活随笔為你收集整理的unix系统编码 java_Java 正确的做字符串编码转换的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。