一道java转码的问题

Question

public static String change(String str)
    {
        try
        {
            if(str != null)
                str = new String(str.getBytes("GB2312"), "ISO-8859-1");
        }
        catch(Exception e)
        {
            e.printStackTrace();
        }
        return str;
}
这个里面的str.getBytes("GB2312")和"ISO-8859-1"是把什么转换成什么

Answer 1

这个最简单的办法就是去查API你的程序的意思是。。先用GB2312的编码规则把字符串打散成字节数组，然后再用ISO-8859-1编码规则进行重新编码懂了吗？

Answer 2

new String(, "ISO-8859-1")是创建一个ISO-8859-1编码的字符串str.getBytes("GB2312")是得到str的字节数组，以给定参数进行编码

Answer 3

也就是说这个里面的str = new String(str.getBytes("GB2312"), "ISO-8859-1");
str.getBytes("GB2312"), 的“GB2312”可以随便写吗？

Answer 4

这个做很多java开发多年的都不一定知道，有些也只是有那么个概念，其实java中的编码也是比较容易搞错的一个地方，我把我的一些研究发出来吧，希望对你有帮助，可以从根本上解答这个问题。
--------------------------------------------------------------------------
在java中的编码大家一直可能有个误区，对编码概念的理解也一直比较模糊，那java他是怎样的一个编码
规则呢，其实如果深入的研究很容易的知道其编码过程。外部的文本或有编码的信息进入java要被java理解和处理的话，必须转变成utf-16,不管输入的是gbk
还是其它的国家的编码信息要想被java认识和处理（除非不作处理，直接当作一个黑盒子传递）就必须
得把gbk或其它国家的编码方式转换成utf-16的编码，才能被java查找和显示（System.out.println(str)）
等。  当java中要输出信息时也要还原或者指定编码，告诉java请把你的utf-16转成我要的utf-8的型式。
  就像字节转成字符串一样。new String(byte[] b,String charsetName)就是表示把指定的
  charsetName编码转成utf-16（java系统使用的中间编码）
  
  因为如：一个字符串为gbk格式，后来被当作utf-8读取当然会乱码，我们可以先把乱码的字符先
  utf-8的方式把utf-16的字符转成字节，然后再以gbk的方式转成utf-16
  
  有一点我们要注意，在这些转换过程中我们都是从其它编码转成utf-16，或从utf-16转成其它编码
  因此utf-16是java使用的中间编码方式。16。在字符串转字节时，编码是怎样的？默认编码是怎样的。
-------------------------------------------------------------------------------------------------
 测试代码如下：
 String str = "ab12,n中";
byte[] bt;
try {
bt = str.getBytes("gb2312");
System.out.println(bt.length);
for(int i=0;i<bt.length;i++)
{
Byte b = (Byte)bt[i];
System.out.println(b.longValue());
}
} catch (UnsupportedEncodingException e) {
// TODO 自动生成 catch 块
e.printStackTrace();
}

String str = "ab12,n中";
byte[] bt= str.getBytes();
System.out.println(bt.length);
for(int i=0;i<bt.length;i++)
{
Byte b = (Byte)bt[i];
System.out.println(b.longValue());
}
输出结果都为：
8
97
98
49
50
44
110
-42
-48
注：在测试中我们看gb2312的中字编码为：D6 D0
D6 = 214  256-42=214 
如此说明，这里的字符默认编码使用系统的编码，也就当前系统的编码方式。我用的是简体操作系统
当然是简体编码

Answer 5

以下是我的别一个研究分析，也发出来给给大家看看。
------------------------------------------------------------
测时，我在客户用gb2312进行提交，服务器接收时显示是乱码。TestForm fo = (TestForm) form;
String myName = fo.getMyName();//request.getParameter("myName");
System.out.println(myName);
myName = Pcode.toCode(myName,"8859_1","gb2312");
if(myName!=null)
{
System.out.println(myName);
byte[] b = myName.getBytes();
for(int i=0;i<b.length;i++)
{
System.out.println(b[i]);
}
}
return mapping.findForward("show");

从客户接收的myName如果为中文的化，显示为乱码，如果经过。
myName = Pcode.toCode(myName,"8859_1","gb2312");转换后正常了，
从而可见myName的确接收的是错误编码后在字符串，我们得用Pcode先转回去
再转回来。

这里说明几个问题。
1）默认的情况下（这里测试环境为tomcat6.0）服务器接收时的使用编码为8859_1
除非我们指定request的编码，同时编码必须和客户一致。
2）我们看到打印出来？号，如果直接输出降byte的话为63,也就是说乱码的字输出
来为？号或乱码，这是在客户转过来就乱了，还是System.out.println时乱的呢。
其实是System.out.println时乱的，println对于大于ASCII的值，但又不能显示为
中文的字显示为？号。因此并非没有转给过来，而是打印信息时出现问题。

而myName.getBytes();中的默认编码为当前系统的编码，也就是说，在把字符串
转在byte时，是把utf-16转成了gbk的字节。

测试：
-----------------------------------------------------------------------------------------------------------------
public static void main(String[] args) {
String str = "中国";
try {
byte[] b = str.getBytes("GBK"); //UTF16->GBK
print(b);
str = new String(b,"8859_1"); //8859_1->UTF16
System.out.println("----"+str);
byte[] bb = str.getBytes("GBK"); //UTF16->GBK
print(bb);
str = new String(bb,"GBK"); //GBK->UTF16
System.out.println("----"+str.length());
byte[] bc = str.getBytes("8859_1"); //UTF16->8859_1
print(bc);
str = new String(bc,"GBK"); //GBK->UTF16
System.out.println("----"+str.length());
System.out.println(str);
} catch (UnsupportedEncodingException e) {
e.printStackTrace();
}
}

public static void print(byte[] b)
{
for(int i=0;i<b.length;i++)
{
System.out.println(b[i]);
}
System.out.println("------------------------");
}


输出结果：
----------------------------------------------------------------------------------------------------------------------
-42
-48
-71
-6
------------------------ //第一次输出时正常。对应于byte[] b = str.getBytes("GBK"); 
----???ú //在转换时出现问题，str = new String(b,"8859_1"); 前三个字节数字过大，超出ascii的表示范围，只有最后一个-6被表示为ú
63
63
63
-88
-78
------------------------
----4
63
63
63
-6
------------------------
----4
????

注：那这里真正的乱码（也就是不可还原）到底是那一个环节呢，在测试中发现，把
1）byte[] b = str.getBytes("GBK"); 
2）str = new String(b,"8859_1"); 
3）byte[] bb = str.getBytes("GBK");
这里问题出现在第三行代码，测试中发现第二行代执行后还是可以还原的。
因此测试的结果很显然是再转成GBK出现错误。其实字符串也是char[]数组，而char对于java来说，
就是用两个数字表示的,也就是utf-16.


从上面我们可以得出，中国两个字的编码为：d6d0 b9fa  
在经过str = new String(b,"8859_1"); 后应为：d600 d000 b900 fa00 
因为8859_1会把一个字节当一个ascii进行处理，所以表示为UTF-16时用了8个字节。也就是说相当于
表示了4个字。（UTF-16用两个字节表示一个字），如果按原来的编码还原的话，当然不会有问题。
只是重新把d600变成一个字节不行了。d6,但如果我们用GBK来进行转换的话，因为gbk也是用两个
字节来表示的，因此在转成字节后应为00d6 00d0 00b9 00fa，理论上字节数组会增长，从原来的4
变成8，但是为什么不是这样呢。很显然是byte[] bb = str.getBytes("GBK");的原因
这条语句如果碰到不是GBK字符的字就会用?号代替。

00fa确实为字符ú ，不过在字库中查找00d6也是有字符的，不知为什么是问号。