编码问题

时间：2015-10-31 19:59:16 阅读：169 评论：0 收藏：0 [点我收藏+]

标签：

在知乎上看到了一个不错的回答，mark一下。

http://www.zhihu.com/question/20361462

著作权归作者所有。
商业转载请联系作者获得授权，非商业转载请注明出处。
作者：温悦
链接：http://www.zhihu.com/question/20361462/answer/14899233
来源：知乎

首先明确几点：

unicode是一种“编码”，所谓编码就是一个编号(数字)到字符的一种映射关系，就仅仅是一种一对一的映射而已，可以理解成一个很大的对应表格
GBK、UTF-8是一种“编码格式”，是用来序列化或存储1中提到的那个“编号(数字)”的一种“格式”；GBK和UTF-8都是用来序列化或存储unicode编码的数据的，但是分别是2种不同的格式；他们俩除了格式不一样之外，他们所关心的unicode编码范围也不一样，utf-8考虑了很多种不同国家的字符，涵盖整个unicode码表，所以其存储一个字符的编码的时候，使用的字节长度也从1字节到4字节不等；而GBK只考虑中文——在unicode中的一小部分——的字符，的编码，所以它算好了只要2个字节就能涵盖到绝大多数常用中文(2个字节能表示6w多种字符),所以它存储一个字符的时候，所用的字节长度是固定的；
上述2个概念不懂的请马上google，下面不再赘述；我下面说说这个问题本身...的问题在哪里
首先java的string使用的编码是unicode，但是，当string存在于内存中时(也就是当程序运行时、你在代码中用string类型的引用对它进行操作时、也就是string没有被存在文件中且也没有在网络中传输(序列化)时)，是“只有编码而没有编码格式的”，所以java程序中的任何String对象，说它是gbk还是utf-8都是错的，gbk和utf-8是编码格式而不是编码，String在内存中不需要“编码格式”(记住编码格式是在存文件或序列化的时候使用的), 它只是一个unicode的字符串而已
所以java里面String是不带编码格式的，而String.toByteArray(charsetName)得到的byteArray是带编码格式的，格式就是你传入的‘charsetName‘,我们不妨把toByteArray的这个过程叫做“编码”;另外，new String(byte[], charsetName)是把一个byte数组(带编码格式)以charsetName指定的编码格式翻译为一个不带编码格式的String对象，我们不妨把这个过程叫“解码”
那么根据我揣测提问者的意图，可能有2种问法是他真正想问的：
第一，如何把一个被错误地当作是gbk格式存储的utf-8格式的文件里面读出来的一段乱码字符串还原回去(也就是说本来二进制数据是utf-8的，你用gbk来解码它，得到的字符串是乱码，现在想要还原回去)
第二种，如何把一个gbk文件转化为utf-8文件
如果是第一种意图那就：

public static void main(String... args) throws Throwable {
    String errStr = "errStr";
    System.out.println(recover(errStr));
}

public static String recover(String str) throws Throwable {
    return new String(str.getBytes("GBK"), "UTF-8");
}

其中errStr就是乱码字符串，按照相反的顺序在编码(用gbk)、解码(用utf-8)回去，就能得到正确的字符串(其实不保证所有情况均能正确还原，只能说大部分都能，要看你在乱码过程中是否有数据被丢失)

如果是第二种意图，那就用InputStream以gbk格式将文件读到内存里(表示为String)，再将这个String以UTF-8编码写入目标文件里，具体请参考InputStream/OutputStream的api

编码问题

标签：

原文地址：http://www.cnblogs.com/wxisme/p/4925997.html

踩

(0)

评论一句话评论（0）

分享档案

更多>

2021年07月29日 (22)
2021年07月28日 (40)
2021年07月27日 (32)
2021年07月26日 (79)
2021年07月23日 (29)
2021年07月22日 (30)
2021年07月21日 (42)
2021年07月20日 (16)
2021年07月19日 (90)
2021年07月16日 (35)

周排行