|
1. String.getBytes()的問題
String的getBytes()方法是得到一個字串的字節數組，這是衆所周知的。但特別要注意的是，本方法將返回該操作系統默認的編碼格式的字節數組。如果你在使用這個方法時不考慮到這一點，你會發現在一個平臺上運行良好的系統，放到另外一臺機器後會產生意想不到的問題。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);
}
}
|
在一箇中文WindowsXP系統下，運行時，結果爲：
但是如果放到了一個英文的UNIX環境下運行：
$ java TestCharset
bytes lenght is:9
|
如果你的程序依賴於該結果，將在後續操作中引起問題。爲什麼在一個系統中結果爲12，而在另外一個卻變成了9了呢？上面已經提到了，該方法是和平臺（編碼）相關的。
在中文操作系統中，getBytes方法返回的是一個GBK或者GB2312的中文編碼的字節數組，其中中文字符，各佔兩個字節。而在英文平臺中，一般的默認編碼是“ISO-8859-1”，每個字符都只取一個字節（而不管是否非拉丁字符）。
2. Java中的編碼支持
Java是支持多國編碼的，在Java中，字符都是以Unicode進行存儲的，比如，“你”字的Unicode編碼是“4f60”，我們可以通過下面的實驗代碼來驗證：
class TestCharset
{
public static void main(String[] args)
{
char c = '你';
int i = c;
System.out.println(c);
System.out.println(i);
}
}
|
不管你在任何平臺上執行，都會有相同的輸出：
20320就是Unicode “4f60”的整數值。其實，你可以反編譯上面的類，可以發現在生成的.class文件中字符“你”（或者其它任何中文字串）本身就是以Unicode編碼進行存儲的：
char c = '/u4F60';
... ...
|
即使你知道了編碼的編碼格式，比如：
javac -encoding GBK TestCharset.java
|
編譯後生成的.class文件中仍然是以Unicode格式存儲中文字符或字符串的。使用String.getBytes(String charset)方法
所以，爲了避免這種問題，我建議大家都在編碼中使用String.getBytes(String charset)方法。下面我們將從字串分別提取ISO-8859-1和GBK兩種編碼格式的字節數組，看看會有什麼結果：
class TestCharset
{
public static void main(String[] args)
{
new TestCharset().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是兩個字節的，
而上面的Integer.toHexString會把字節擴展爲4個字節
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();
}
}
|
執行上面程序將打印出：
--------------
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
|
可見，在s中提取的8859-1格式的字節數組長度爲9，中文字符都變成了“63”，ASCII碼爲63的是“?”，一些國外的程序在國內中文環境下運行時，經常出現亂碼，上面佈滿了“?”，就是因爲編碼沒有進行正確處理的結果。
而提取的GBK編碼的字節數組中正確得到了中文字符的GBK編碼。字符“你”“好”“！”的GBK編碼分別是：“c4e3”“bac3”“a3a1”。得到了正確的以GBK編碼的字節數組，以後需要還原爲中文字串時，可以使用下面方法：
new String(byte[] bytes,
String charset)
|
|
