getBytes()详解

在java中，getBytes()方法若是不指定字符集，则获得的是一个操做系统默认的编码格式的字节数组；若是指定字符集，则获得的是在指定字符集下的字节数组，如：

byte[] b_gbk = "中".getBytes("gbk");
byte[] b_utf8 = "中".getBytes("utf-8");
byte[] b_iso88591 = "中".getBytes("iso-8859-1");

将返回"中"这个汉字分别在gbk、utf-八、iso-8859-1编码下的字节数组表示，此时b_gbk的长度为2，b_utf8的长度为3，b_iso88591的长度为1。

与getBytes()方法相反，能够经过new String(byte[], charsetName)方法用指定的字符集来还原这个"中"字，如：

String s_gbk = new String(b_gbk, "gbk");
String s_utf8 = new String(b_utf8, "utf-8");
String s_iso88591 = new String(b_iso88591, "iso-8859-1");

经过打印出s_gbk、s_utf八、s_iso88591能够看到，s_gbk和s_utf8都是"中"，而s_iso88591是一个乱码，这是由于iso-8859-1的编码表中，根本就没有包含汉字，所以"中".getBytes("iso-8859-1")获得的是"?"的字节数组表示，再经过new String(b_iso88591, "iso-8858-1")还原获得的是"?"。

有时候，为了让中文字符适应某些特殊要求(如http header要求其内容必须是iso-8859-1编码)，可能会经过将中文字符按照字节方式来编码的状况，如：

String s_iso88591 = new String("中".getBytes("utf-8"), "iso-8859-1");

这样获得的字符串s_iso88591其实是三个在iso-8859-1中的字符，在将这些字符传送到目的地后，再经过相反的方式，即：

String s_utf8 = new String(s_iso88591.getBytes("iso-8859-1"), "utf-8");

从而获得正确的中文汉字"中"，这样就既保证了遵照协议规定，也支持了中文。

 

注：

byte[] b = "中".getBytes("utf-8");
for(int i=0; i<b.length; i++) {
　　System.out.println(b[i]);
}

输出-28 -72 -83是由于"中"的utf-8编码为三个字节，分别是E4 B8 AD，以E4为例，换成二进制即为：

1110 0100

该二进制数将以补码存储在内存中，最高位被视为符号位，所以原码是：

1110 0100(补码) -> 1001 1011(反码) -> 1001 1100(原码)

即-(16+8+4)=-28