一段java代碼帶你認識錕斤拷

@Test
public void testKunJinKao(){
  String str="我不是錕斤拷";
  try {
    byte[] buff=null;

    //讓我們先看看幾種錯誤的轉換,let's go

    //1. 正常的GBK字節流，你以爲是UTF-8，所以用UTF-8去解碼...
    buff=str.getBytes("GBK");//這裏只要不拋異常，數據一定不會被破壞
    String str1=new String(buff,"UTF-8");
    System.out.println(str1);//這是一種情形:���

    //2. 正常的UTF-8字節流，你以爲是GBK，所以用GBK去解碼...
    buff=str.getBytes("UTF-8");//這裏只要不拋異常，數據一定不會被破壞
    String str2=new String(buff,"GBK");//這裏破壞了
    System.out.println(str2);//這是另外一種情形：

    //說了半天，錕斤拷在哪裏呢？come on

    //3. 本來正常的GBK字節碼，在你不知道的某個環節已經被錯誤的使用UTF-8解碼了
    String str3=new String(str.getBytes("GBK"),"UTF-8");
    String str4=new String(str3.getBytes("UTF-8"),"GBK");//這裏你並不知道數據已經破壞了，這樣用是對的。
    System.out.println(str4);//錕斤拷

    /**
     * Got it.How are you,nice to meet you.
     *
     * Why?
     * 如果說情形1、2是開發者自己造成的，
     * 那麼情形3往往是開發者被坑了，別人造成的（也可能是容器層），總之你拿到的時候已經亂了。
     */

    /**
     * 細心的你會發現，正是情形1的錯誤，導致了情形3的發生。之所以表現不同，是因爲情形1的程序猿是在UTF-8下打印輸出；
     * 而情形3是在GBK下打印輸出。
     */

    /**
     * 總結一下，錕斤拷是怎麼產生的？
     *
     * 源於GBK字符集和Unicode字符集之間的轉換問題。
     * Unicode和老編碼體系的轉化過程中，肯定有一些字，用Unicode是沒法表示的，
     * Unicode官方用了一個佔位符(REPLACEMENT CHARACTER)來表示這些文字，這就是：U+FFFD
     *
     * U+FFFD的UTF-8編碼出來，恰好是 '\xef\xbf\xbd'。
     *
     * 重複多次，例如 '\xef\xbf\xbd\xef\xbf\xbd'，
     * 然後放到GBK/CP936/GB2312/GB18030的環境中顯示的話，
     * 一個漢字2個字節，最終的結果就是：錕斤拷——錕(0xEFBF)，斤（0xBDEF），拷（0xBFBD）。
     */
  } catch (Exception e) {
    e.printStackTrace();
  }


}