前几天在使用中兴的MM7接口开发一个彩信的应用，可是在测试的时候，手机收到的文本内容总是一堆乱码，不管怎么修改参数问题都得不到解决，于是就狠狠的琢磨和研究了下关于编码的内容，最终成功解决了乱码的问题。
我们都知道Java语言使用的是Unicode编码。可是大家是否真的已经理解了这句话的含义？ Unicode编码和我们常用的UTF-8,GBK有什么关系呢？ 那接下来就来讨论下这个话题。
不知大家还有没想过，我们在Java代码里面定义一个字符串字面量的时候，该字符串在JVM中的编码是什么？ 是的，上面也说了Java语言用的是Unicode编码，所以这样定义的字符串字面量自然就是Unicode编码表示的。 然而除了这种程序内部的数据外，我们经常还会从外部获取各种各样的数据让程序处理，例如通过IO从硬盘上读取文件，通过JDBC查询数据库等，而这些数据的编码格式是多种多样的，例如有的可能是UTF-8,有的可能是GBK等，那么这样的一些数据在JVM中又是以什么编码表示的呢？
上面提到了几个问题，现在返回去简单的说说编码，当然这里只是粗略的提及，毕竟网上这方面的内容很多。
我们首先要弄清楚两个概念，“字符集编码”和“编码格式”。所谓“字符集编码”就是由某个组织制定的一张“字符与编号的映射关系表”，例如： 10001 == “我”， 10002 = “们”。 我们所谓的Unicode字符集就是这样的一张关系表。
而UTF-8是一种实现了Unicode字符集中部分字符编码的“编码格式”，它存在目的是为了保存或者传输数据用的。那么既然在字符集中已经有了映射关系了，为什么还要再来编码。原因好几个，例如考虑文件大小的问题，使用效率的问题，和其他字符集区分的问题等。
那么UTF-8编码又是对Unicode字符集中的哪部分编码呢？ 就是“字符编号”，例如上面的10001,10002. 而对于UTF-8的编码规则可以网上查阅.
那现在我们就应该清楚了，在JVM中表示字符串“我们”使用的编码为“1000110002”这样的格式，也就是使用的是Unicode的编号。那当我们通过IO将一个以UTF-8编码的文本文件读入内存的时候，很可能我们会使用到这样的代码：
new InputStreamReader(new FileInputStream(file),"UTF-8")
这里指定的“UTF-8”就是文件的编码格式，它的目的是告诉负责解码的对象要按照“UTF-8”的编码格式来解码成JVM使用的Unicode编码。那如果我们这里指定为“GBK”的话，我们所得到的可就是一堆乱码啦。
如果String content = （文件内容） 。 那么这个content在这个时候已经是Unicode编码了。不知道现在为止是否应该明白了些什么。
如果你看到这样的代码：
String msg = "我是一个字符串" ;
String res = new String(msg.getBytes("utf-8"),"GBK") ;
那这里的res打印出来也就是一堆乱码了。这里的操作过程其实是：
1，将Unicode编码的msg按照UTF-8的编码格式进行编码，从而得到UTF-8编码的字节数组。
2，将字节数组按照GBK的编码格式来解码成Unicode编码的字符
3，可惜UTF-8和GBK不兼容，他们使用了不同的编码集，所以乱码出来啦
在进行http请求的时候，我们需要告诉对方我们发送的数据的编码格式是什么，如果对方按照我们的告知的编码格式来解码，而我们却把错误的编码格式告诉了对方，那么接下来的事情就是对方收到了一堆的乱码。
还有就是我们在进行这样的操作的时候："我是一个字符串".getBytes(); 可要小心了，这个时候得到的字节数组可是你操作系统默认的编码格式（当然我们还可以在启动的时候指定我们默认的编码格式）。
以上的内容大概的讲了下关于java中编码的问题，也算是一个抛砖引玉的过程，欢迎指正。
本文出自 “因简单而自在” 博客，请务必保留此出处http://dengshuangfu.blog.51cto.com/8794650/1729990
原文地址：http://dengshuangfu.blog.51cto.com/8794650/1729990
