java 编码转换问题，怎么用utf-8解释后，就转换不回去了呢？

Question

String str = "中";
  
  
  String str1 = new String(str.getBytes("gbk"), "ISO8859-1");
  String str2 = new String(str1.getBytes("ISO8859-1"), "gbk");
  System.out.println(str2);  //输出"中"
  
  
  String s1 = new String(str.getBytes("gbk"), "utf-8");
  String s2 = new String(s1.getBytes("utf-8"), "gbk");
  System.out.println(s2); //输出"锟斤拷"使用iso8859-1进行解释后，可以恢复回去，
可使用utf-8解释了中文字符后，为何恢复不回去了？ 请将详细写吧。 

Answer 1

两种转换编码的格式不一样 楼主可以把转换后的格式也输出来看一下
看一下下面这段说明 你就会明白为什么UTF-8 就不是输出中文了
GBK的文字编码是双字节来表示的，即不论中、英文字符均使用双字节来表示，只不过为区分中文，将其最高位都定成1。至于UTF－8编码则是用以解决国际上字符的一种多字节编码，它对英文使用8位（即一个字节），中文使用24位（三个字节）来编码。对于英文字符较多的网站则用UTF－8节省空间。GBK包含全部中文字符；UTF-8则包含全世界所有国家需要用到的字符。GBK是在国家标准GB2312基础上扩容后兼容GB2312的标准,UTF-8编码的文字可以在各国各种支持UTF8字符集的浏览器上显示。
比如，如果是UTF8编码，则在外国人的英文IE上也能显示中文，而无需他们下载IE的中文语言支持包。 所以，对于英文比较多的论坛 ，使用GBK则每个字符占用2个字节，而使用UTF－8英文却只占一个字节。
 

Answer 2

gbk的英文是单字节吧，中文才双字节。
unicode中英文都是双字节。

Answer 3

我是根据我们老师讲的给你说说
老师给我们举得例子是“我们”内存里面现在是这样的。s = 00ce 00d2 00c3 00c7，把这个字符串对象再编码成gbk是错误的。因为，在unicode中，00ce所代表的是iso8859-1那个字符，在gbk编码表里面并没有收录进来，所以没法编码成gbk，而且如果找不到匹配的字符，jvm不会报错，而是返回错误的结果。3f 3f 3f 3f
应该是utf-8里没有收录吧

Answer 4

你这个帖子跟这个帖子问题类似，有趣的话可以去看看：http://topic.csdn.net/u/20080623/16/e0f44f00-eaf9-4d38-b325-a3cc443f2ec9.html

Answer 5

这是由于在 GBK 转成 UTF-8 时就产生了错误，具体为什么会错误，请先看看
楼上那个帖子 11 楼的内容，将在那些基础上进行说明。因为“中”的 GBK 编码为 D6D0，使用 getBytes("gbk") 后会转成 D6 D0 的字节数组。通过那个帖子关于 UTF-8 的编码规则表，先看第一个字节 D6，二进制为 11010110，因此可用的 UTF-8
采用第二行的规则，即：110xxxxx 10xxxxxx，根据这一行规则，要求第二个字节二进制是以 10 开头的，
但是我们第二个字节 D0 的二进制为 11010000，因此不符合 UTF-8 的编码规则，因此将采用 UTF-8 的
缺失字符 EF BF BD 将其进行编码，因为 D6 D0 这两个字节 UTF-8 都不认识，因此被 UTF-8 编码成为
EF BF BD EF BF BD 共 6 个字节的两个缺失字符。这 6 个字符再根据 GBK 的编码规则，每两个组成一个字符，因此被 GBK 编码为 EFBF BDEF BFBD，而编
码为这三个的 GBK 字符正好为“锟斤拷”。

Answer 6

请问这个图怎么看啊
gbk和图中的unicode utf-8有什么关系啊？Unicode Code    UTF-8 Code
 0000～007F     0xxxxxxx
 0080～07FF     110xxxxx 10xxxxxx
 0800～FFFF     1110xxxx 10xxxxxx 10xxxxxx
10000～10FFFF   11110xxx 10xxxxxx 10xxxxxx 10xxxxxx

Answer 7

这个表只是 UTF-8 的编码规则，跟 GBK 没有丝毫关系

Answer 8

Unicode Code    UTF-8 Code
 0000～007F     0xxxxxxx
 0080～07FF     110xxxxx 10xxxxxx
 0800～FFFF     1110xxxx 10xxxxxx 10xxxxxx
10000～10FFFF   11110xxx 10xxxxxx 10xxxxxx 10xxxxxx这个图怎么看？左边一列是 Unicode 编码，右边一列是 UTF-8 编码。我们只要看右边的，右边的是 UTF-8 的编码规则，
即：第一行 0xxxxxxx 表示 U+0000～U+007F 的字符，UTF-8 使用一个字节表示
第二行表示 U+0080～U+07FF 的字符，UTF-8 编码使用两个字节表示，首字节必须是 110 开头，第二个字节必须是以 10 开头的，也就是说如果第一个字节是以 110 开头的，但是第二个字节是以 11 开头的，那么这样的字节是不能组成 UTF-8 编码的，会采用缺失字符代替。
好了，该说的都已经说完了，对于这个帖子不会再回复了。

Answer 9

请问为什么UTF-8解码不出来却要去改变原字节数据？这样设计的目的是何？

Answer 10

那为什么ISO8859-1解码不出来就不去改变原来的字节数据呢？String s = "中";
byte[] bytes = s.getBytes("GBK");
for(byte b : bytes) System.out.println(b);

String s2 = new String(bytes, "ISO8859-1");
System.out.println(s2);
byte[] bytes2 = s2.getBytes("ISO8859-1");
for(byte b : bytes2) System.out.println(b);

Answer 11

ISO 8859-1 只采用一个字节来表示字符，当然可以按字节来拆。但是像 GBK，UTF-8 的字符是采用多字节来表示，多字节的话就必须有规范，否则编码就会乱套