Java中关于乱码的认识和解决办法

前几天在使用中兴的MM7接口开发一个彩信的应用，但是在测试的时候，手机收到的文本内容老是一堆乱码，无论怎么修改参数问题都得不到解决，因而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。

咱们都知道Java语言使用的是Unicode编码。但是你们是否真的已经理解了这句话的含义？ Unicode编码和咱们经常使用的UTF-8,GBK有什么关系呢？ 那接下来就来讨论下这个话题。

不知你们还有没想过，咱们在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，因此这样定义的字符串字面量天然就是Unicode编码表示的。 然而除了这种程序内部的数据外，咱们常常还会从外部获取各类各样的数据让程序处理，例如经过IO从硬盘上读取文件，经过JDBC查询数据库等，而这些数据的编码格式是多种多样的，例若有的多是UTF-8,有的多是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，如今返回去简单的说说编码，固然这里只是粗略的说起，毕竟网上这方面的内容不少。

咱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”。 咱们所谓的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，为何还要再来编码。缘由好几个，例如考虑文件大小的问题，使用效率的问题，和其余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的编码规则能够网上查阅.

那如今咱们就应该清楚了，在JVM中表示字符串“咱们”使用的编码为“1000110002”这样的格式，也就是使用的是Unicode的编号。那当咱们经过IO将一个以UTF-8编码的文本文件读入内存的时候，极可能咱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。那若是咱们这里指定为“GBK”的话，咱们所获得的可就是一堆乱码啦。

若是String content = （文件内容） 。 那么这个content在这个时候已是Unicode编码了。不知道如今为止是否应该明白了些什么。

若是你看到这样的代码：
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。这里的操做过程实际上是：
1，将Unicode编码的msg按照UTF-8的编码格式进行编码，从而获得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，惋惜UTF-8和GBK不兼容，他们使用了不一样的编码集，因此乱码出来啦

在进行http请求的时候，咱们须要告诉对方咱们发送的数据的编码格式是什么，若是对方按照咱们的告知的编码格式来解码，而咱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。

还有就是咱们在进行这样的操做的时候："我是一个字符串".getBytes(); 可要当心了，这个时候获得的字节数组但是你操做系统默认的编码格式（固然咱们还能够在启动的时候指定咱们默认的编码格式）。

下面再追加点编码解码的例子，供你们理会：

//定义一个Unicode字符类型的字符串
  String msg = "我是一个字符串哦，仍是Unicode编码的。體發財"  ;
  System.out.println("原有字符串："+msg);
  System.out.println("=============");
  //将Unicode编码按照GBK编码格式进行编码
  byte[] gbkbyts = msg.getBytes("GBK");
  
  /*
   * 原本是GBK编码的字节，咱们使用UTF-8来解码.固然此时必然会是乱码。
   * 
   * 注意：若是在第一次解码的时候使用这种错误的解码方式，
   * 那么后面将没法再恢复，下面的例子能够看到。
   * */
  String utf8Str = new String(gbkbyts,"UTF-8") ;
  System.out.println("UTF-8解码后的字符串："+utf8Str);
  /*
   * 接下来咱们把该字符串按照UTF-8的编码格式再编码回去.
   * 但这个时候gbkbyts和utf8Byts已经彻底不一样了。
   * */
  byte[] utf8Byts = utf8Str.getBytes("UTF-8") ;
  /*
   * 接着咱们再来按照GBK的编码格式来解码.
   * 获得的天然是乱码。
   * */
  String utf2GbkStr = new String(utf8Byts,"GBK") ;
  System.out.println("GBK解码UTF-8编码后的字符串："+utf2GbkStr);
  System.out.println("~~~~~~~~~~~~~~~~~~~~~~~~~~~~~");
  /*
   * 可是，若是咱们第一次解码的时候使用的是单字节的编码格式来解码，那后面是能够再恢复的。
   * 但是还有一个要求，就是要保证该单字节的编码会利用上全部的8位，
   * 也就是说能够表示256个字符的才行。
   * 
   * 
   *单字节的编码格式有两种， ASCII和ISO-8859-？
   *ASCII使用了7位来表示字符，最高位永远为0，其能够表示的范围只有128个字符。
   *ISO-8859-？（问号表示1,2,3…11,13…16,没有12,表示15个字符集）
   *使用8位来表示字符，总共能够表示256个字符。
   *
   *这两种单字节编码，咱们最经常使用的也就是ISO-8859-1
   * */
  //转换为ASCII码的字符串
  String ascStr = new String(gbkbyts,"ASCII") ;
  System.out.println("ASCII解码后的字符串："+ascStr);
  //再将ASCII转换为GBK
  String gbkStr = new String(ascStr.getBytes("ASCII"),"GBK") ;
  System.out.println("将ASCII编码按照GBK编码格式解码："+gbkStr);
  System.out.println("===============================");
  
  
  String isoStr = new String(gbkbyts,"ISO-8859-1") ;
  System.out.println("ISO-8859-1解码后的字符串："+ascStr);
  //再将ASCII转换为GBK
  String gbkStr1 = new String(isoStr.getBytes("ISO-8859-1"),"GBK") ;
  System.out.println("将ISO-8859-1编码按照GBK编码格式解码："+gbkStr1);

其运行结果以下：

原有字符串：我是一个字符串哦，仍是Unicode编码的。體發財
=============
UTF-8解码后的字符串：???????????????????Unicode???????w?l?
GBK解码UTF-8编码后的字符串：锟斤拷锟斤拷一锟斤拷锟街凤拷锟斤拷哦锟斤拷锟斤拷锟斤拷Unicode锟斤拷锟斤拷摹锟斤拷w锟絣財
~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
ASCII解码后的字符串：??????????????????????Unicode?????????w?l??
将ASCII编码按照GBK编码格式解码：??????????????????????Unicode?????????w?l??
===============================
ISO-8859-1解码后的字符串：??????????????????????Unicode?????????w?l??
将ISO-8859-1编码按照GBK编码格式解码：我是一个字符串哦，仍是Unicode编码的。體發財

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。