(透彻)java String.getBytes()编码问题
来源:互联网 发布:中国网络教育大学排名 编辑:程序博客网 时间:2024/06/08 03:56
转载自:
String.getBytes()的问题String的getBytes()方法是得到一个字串的字节数组,这是众所周知的。但特别要注意的是,本方法将返回该操作系统默认的编码格式的字节数组。如果你在使用这个方法时不考虑到这一点,你会发现在一个平台上运行良好的系统,放到另外一台机器后会产生意想不到的问题。比如下面的程序:
class TestCharset {
public static void main(String[] args) {
new TestCharset().execute();
}
private void execute() {
String s = "Hello!你好!";
byte[] bytes = s.getBytes();
System.out.println("bytes lenght is:" + bytes.length);
}
}
在一个中文WindowsXP系统下,运行时,结果为:
bytes lenght is:12
但是如果放到了一个英文的UNIX环境下运行:
$ java TestCharset bytes lenght is:9
如果你的程序依赖于该结果,将在后续操作中引起问题。为什么在一个系统中结果为12,而在另外一个却变成了9了呢?上面已经提到了,该方法是和平台(编码)相关的。
在中文操作系统中,getBytes方法返回的是一个GBK或者GB2312的中文编码的字节数组,其中中文字符,各占两个字节。而在英文平台中,一般的默认编码是“ISO-8859-1”,每个字符都只取一个字节(而不管是否非拉丁字符)。
Java中的编码支持
Java是支持多国编码的,在Java中,字符都是以Unicode进行存储的,比如,“你”字的Unicode编码是“4f60”,我们可以通过下面的实验代码来验证:
class TestCharset {
public static void main(String[] args) {
char c = '你';
int i = c;
System.out.println(c);
System.out.println(i);
}
}
不管你在任何平台上执行,都会有相同的输出:
20320
20320就是Unicode “4f60”的整数值。其实,你可以反编译上面的类,可以发现在生成的.class文件中字符“你”(或者其它任何中文字串)本身就是以Unicode编码进行存储的:
char c = '/u4F60'; ... ...
即使你知道了编码的编码格式,比如:
javac -encoding GBK TestCharset.java
编译后生成的.class文件中仍然是以Unicode格式存储中文字符或字符串的。使用String.getBytes(String charset)方法
所以,为了避免这种问题,我建议大家都在编码中使用String.getBytes(String charset)方法。下面我们将从字串分别提取ISO-8859-1和GBK两种编码格式的字节数组,看看会有什么结果:
package org.bruce.file.handle.experiment;class TestCharset3 {public static void main(String[] args) {new TestCharset3().execute();}private void execute() {String s = "Hello!你好!";byte[] bytesISO8859 = null;byte[] bytesGBK = null;try {bytesISO8859 = s.getBytes("iso-8859-1");bytesGBK = s.getBytes("GBK");} catch (java.io.UnsupportedEncodingException e) {e.printStackTrace();}System.out.println("-------------- /n 8859 bytes:");System.out.println("bytes is: " + arrayToString(bytesISO8859));System.out.println("hex format is:" + encodeHex(bytesISO8859));System.out.println();System.out.println("-------------- /n GBK bytes:");System.out.println("bytes is: " + arrayToString(bytesGBK));System.out.println("hex format is:" + encodeHex(bytesGBK));}public static final String encodeHex(byte[] bytes) {StringBuffer buff = new StringBuffer(bytes.length * 2);String b;for (int i = 0; i < bytes.length; i++) {b = Integer.toHexString(bytes[i]);// byte是两个字节的, 而上面的Integer.toHexString会把字节扩展为4个字节buff.append(b.length() > 2 ? b.substring(6, 8) : b);buff.append(" ");}return buff.toString();}public static final String arrayToString(byte[] bytes) {StringBuffer buff = new StringBuffer();for (int i = 0; i < bytes.length; i++) {buff.append(bytes[i] + " ");}return buff.toString();}}
执行上面程序将打印出:
-------------- 8859 bytes: bytes is: 72 101 108 108 111 33 63 63 63
hex format is:48 65 6c 6c 6f 21 3f 3f 3f
-------------- GBK bytes: bytes is: 72 101 108 108 111 33 -60 -29 -70 -61 -93 -95
hex format is:48 65 6c 6c 6f 21 c4 e3 ba c3 a3 a1
可见,在s中提取的8859-1格式的字节数组长度为9,中文字符都变成了“63”,ASCII码为63的是“?”,一些国外的程序在国内中文环境下运行时,经常出现乱码,上面布满了“?”,就是因为编码没有进行正确处理的结果。
而提取的GBK编码的字节数组中正确得到了中文字符的GBK编码。字符“你”“好”“!”的GBK编码分别是:“c4e3”“bac3”“a3a1”。得到了正确的以GBK编码的字节数组,以后需要还原为中文字串时,可以使用下面方法:
将 connectionString 设置成 encoding 为 gb2312
String connectionString
= "jdbc:mysql://localhost/test?useUnicode=true&characterEncoding=gb2312";
测试代码:
String str = "汉字";
PreparedStatement pStmt = conn.prepareStatement("INSERT INTO test VALUES (?)");
pStmt.setString(1,str);
pStmt.executeUpdate();
数据库表格:
create table test (
name char(10)
)
连接 Oracle Database Server
-------------------------------------------------------------------------------
在把汉字字符串插入数据库前做如下转换操作:
String(str.getBytes("ISO8859_1"),"gb2312")
测试代码:
String str = "汉字";
PreparedStatement pStmt = conn.prepareStatement("INSERT INTO test VALUES (?)");
pStmt.setString(1,new String(str.getBytes("ISO8859_1"),"gb2312");
pStmt.executeUpdate();
Servlet
-------------------------------------------------------------------------------
在 Servlet 开头加上两句话:
response.setContentType("text/html;charset=UTF-8");
request.setCharacterEncoding("UTF-8");
JSP
-------------------------------------------------------------------------------
- (透彻)java String.getBytes()编码问题
- (透彻)java String.getBytes()编码问题
- java String.getBytes()编码问题
- java String.getBytes()编码问题
- String.getBytes()编码问题
- String.getBytes()编码问题
- java中String的getBytes编码问题
- String.getBytes()方法中的中文编码问题
- String.getBytes()方法中的中文编码问题
- String.getBytes()方法中的中文编码问题
- String.getBytes()方法中的中文编码问题
- String.getBytes()方法中的中文编码问题
- String.getBytes()方法中的中的编码问题
- String.getBytes()方法中的中文编码问题
- String.getBytes()方法中的中文编码问题
- String.getBytes()方法中的中文编码问题
- String.getBytes() 以及 java编码转换
- Java之由String.getBytes()说编码
- Eclipse中如何恢复已删除文件
- 在Ant的javac中指定源文件编码方式,以避免"警告: 编码 GBK 的不可映射字符"的错误
- Android上常见度量单位【xdpi、hdpi、mdpi、ldpi】解读
- csu_1179 sum 数学 计算
- 如何对WordPress主题实现多语言化支持之简单教程
- (透彻)java String.getBytes()编码问题
- BASE64Decoder java
- 在 Java 中如何进行 BASE64 编码和解码(有点儿乱,但是不妨碍作为一篇好文)
- 微软亚洲研究院提供的面试题分析
- Qt下快捷键
- java.ByteArrayInputStream-ByteArrayOutputStream
- (好文!!)FileReader读取文件,由于不确定源文件的编码格式不同,导致读出的文件乱码的问题
- [老老实实学WCF] 第三篇 在IIS中寄存服务
- flex small tips 小结