String.getBytes()方法中的中文编码问题(转)

String的getBytes()方法是获得一个系统默认的编码格式的字节数组
getBytes("utf-8")  获得一个UTF-8格式的字节数组

把String转换成bytes，各类编码转换成的bytes不一样，好比UTF-8每一个汉字转成3bytes，而GBK转成2bytes，因此要说明编码方式，不然用缺省编码。

在Java中,String的getBytes()方法是获得一个操做系统默认的编码格式的字节数组。这表示在不一样的操做系统下,返回的东西不同!

String.getBytes(String decode)方法会根据指定的decode编码返回某字符串在该编码下的byte数组表示,如:
byte[] b_gbk = "中".getBytes("GBK");
byte[] b_utf8 = "中".getBytes("UTF-8");
byte[] b_iso88591 = "中".getBytes("ISO8859-1");
将分别返回"中"这个汉字在GBK、UTF-8和ISO8859-1编码下的byte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。

而与getBytes相对的,能够经过new String(byte[], decode)的方式来还原这个"中"字,

这个new String(byte[], decode)实际是使用指定的编码decode来将byte[]解析成字符串.
String s_gbk = new String(b_gbk,"GBK");
String s_utf8 = new String(b_utf8,"UTF-8");
String s_iso88591 = new String(b_iso88591,"ISO8859-1");
经过输出s_gbk、s_utf8和s_iso88591,会发现s_gbk和s_utf8都是"中",而只有s_iso88591是一个不被识别的字符（能够理解为乱码）,为何使用ISO8859-1编码再组合以后,没法还原"中"字？缘由很简单,由于ISO8859-1编码的编码表根本就不包含汉字字符,固然也就没法经过"中".getBytes("ISO8859-1");来获得正确的"中"字在ISO8859-1中的编码值了,因此，再经过new String()来还原就更是无从谈起。
所以,经过String.getBytes(String decode)方法来获得byte[]时,必定要肯定decode的编码表中确实存在String表示的码值,这样获得的byte[]数组才能正确被还原。

注意：

有时候,为了让中文字符适应某些特殊要求(如http header要求其内容必须为iso8859-1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"),"ISO8859-1"),这样获得的s_iso8859-1字符串实际是三个在ISO8859-1中的字符,在将这些字符传递到目的地后,目的地程序再经过相反的方式String s_utf8 = new String(s_iso88591.getBytes("ISO8859-1"),"UTF-8")来获得正确的中文汉字"中"，这样就既保证了遵照协议规定、也支持中文。