第二篇：JAVA字符編碼系列二：Unicode,ISO-8859-1,GBK,UTF-8編碼及相互轉換
１、函數介紹
在Java中，字符串用統一的Unicode編碼，每個字符佔用兩個字節，與編碼有關的兩個主要函數爲：
１）將字符串用指定的編碼集合解析成字節數組，完成Unicode－〉charsetName轉換
public byte[] getBytes(String charsetName) throws UnsupportedEncodingException
２）將字節數組以指定的編碼集合構造成字符串，完成charsetName－〉Unicode轉換
public String(byte[] bytes, String charsetName) throws UnsupportedEncodingException
２、Unicode與各編碼之間的直接轉換
下面以對中文字符串＂ａ中文＂的編碼轉換爲例，來了解各種編碼之間的轉換
１）Unicode和GBK
測試結果如下，每個漢字轉換爲兩個字節，且是可逆的，即通過字節可以轉換回字符串
String－GBK〉ByteArray：/u0061/u4E2D/u6587（a中文）－〉0x61 0xD6 0xD0 0xCE 0xC4
ByteArray－GBK〉String：0x61 0xD6 0xD0 0xCE 0xC4－〉/u0061/u4E2D/u6587（a中文）
２）Unicode和UTF-8
測試結果如下，每個漢字轉換爲三個字節，且是可逆的，即通過字節可以轉換回字符串
String－UTF-8〉ByteArray：/u0061/u4E2D/u6587（a中文）－〉0x61 0xE4 0xB8 0xAD 0xE6%0x96 0x87
ByteArray－UTF-8〉String：0x61 0xE4 0xB8 0xAD 0xE6%0x96 0x87－〉/u0061/u4E2D/u6587（a中文）
３）Unicode和ISO-8859-1
測試結果如下，當存在漢字時轉換失敗，非可逆，即通過字節不能再轉換回字符串
String－ISO-8859-1〉ByteArray：/u0061/u4E2D/u6587（a中文）－〉0x61 0x3F 0x3F
ByteArray－ISO-8859-1〉String：0x61 0x3F 0x3F－〉/u0061/u003F/u003F（a??）
３、Unicode與各編碼之間的交叉轉換
在上面直接轉換中，由字符串（Unicode）生成的字節數組，在構造回字符串時，使用的是正確的編碼集合，如果使用的不是正確的編碼集合會怎樣呢？會正確構造嗎？如果不能正確構造能有辦法恢復嗎？會信息丟失嗎？
下面我們就來看看這種情況，這部分可以說明在某些情況下雖然我們最終正確顯示了結果，但其間仍然進行了不正確的轉換。
１）能夠正確顯示的中間不正確轉換
我們知道String－GBK〉ByteArray－GBK〉String是正確的，但如果我們採用String－GBK〉ByteArray－ISO-8859-1〉String呢？通過測試結果如下：
String－GBK〉ByteArray－ISO-8859-1〉String：/u0061/u4E2D/u6587（a中文）－〉0x61
0xD6 0xD0 0xCE 0xC4－〉/u0061/u00D6/u00D0/u00CE/u00C4（a????）
這時我們得到的字符串爲？亂碼“a????”，但是通過繼續轉換我們仍然可以復原回正確的字符串“a中文”，過程如下：
String－GBK〉ByteArray－ISO-8859-1〉String－ISO-8859-1〉ByteArray－GBK〉String
對應：/u0061/u4E2D/u6587（a中文）－〉0x61 0xD6 0xD0 0xCE 0xC4－〉/u0061/u00D6/u00D0/u00CE/u00C4（a????）－〉0x61 0xD6 0xD0 0xCE 0xC4－〉/u0061/u4E2D/u6587（a中文）
也就是我們在首次構造字符串時，我們用了錯誤的編碼集合得到了錯誤的亂碼，但是我們通過錯上加錯，再用錯誤的編碼集合獲取字節數組，然後再用正確的編碼集合構造，就又恢復了正確的字符串。這時就屬於是“能夠正確顯示的中間不正確轉換”。在Jsp頁面提交數據處理時常常發生這種情況。
此外能夠正確顯示的中間不正確轉換還有：
String－UTF-8〉ByteArray－ISO-8859-1〉String－ISO-8859-1〉ByteArray－UTF-8〉String
和
String－UTF-8〉ByteArray－GBK〉String－GBK〉ByteArray－UTF-8〉String
對應：/u0061/u4E2D/u6587（a中文）－〉0x61 0xE4 0xB8 0xAD 0xE6%0x96 0x87－〉/u0061/u6D93/uE15F/u6783（a涓枃）－〉0x61 0xE4 0xB8 0xAD 0xE6%0x96 0x87－〉/u0061/u4E2D/u6587（a中文）
４、編碼過程中錯誤診斷參考
１）一個漢字對應一個問號
在通過ISO-8859-1從字符串獲取字節數組時，由於一個Unicode轉換成一個byte，當遇到不認識的Unicode時，轉換爲0x3F，這樣無論用哪種編碼構造時都會產生一個？亂碼。
２）一個漢字對應兩個問號
在通過GBK從字符串獲取字節數組時，由於一個Unicode轉換成兩個byte，如果此時用ISO-8859-1或用UTF-8構造字符串就會出現兩個問號。
若是通過ISO-8859-1構造可以再通過上面所說的錯上加錯恢復（即再通過從ISO-8859-1解析，用GBK構造）；
若是通過UTF-8構造則會產生Unicode字符＂/uFFFD＂，不能恢復，若再通過String－UTF-8〉ByteArray－GBK〉String，則會出現雜碼，如a錕斤拷錕斤拷
３）一個漢字對應三個問號
在通過UTF-8從字符串獲取字節數組時，由於一個Unicode轉換成三個byte，如果此時用ISO-8859-1構造字符串就會出現三個問號；用GBK構造字符串就會出現雜碼，如a涓枃。