GBK->UTF8->GBK显示不正确!

Question

我想将GBK转成UTF-8再转回GBK，可是大部分汉字显示正确，比如，汉字、中国等都没问题，
但“国债”，显示后就是乱码。哪位遇见过这种问题。以下是我的测试代码：
public class Test
{
    public static void main(String[] args)
    {        String GBK = "国债";
        String UTF8 = "";
        String newGBK = "";        System.out.println("1=" + GBK);
        try
        {
            UTF8 = new String(GBK.getBytes("UTF-8"), "GBK");
        }
        catch (UnsupportedEncodingException e)
        {
            e.printStackTrace();
        }
        System.out.println("2=" + UTF8);        try
        {
            newGBK = new String(UTF8.getBytes("GBK"),"UTF-8");
        }
        catch (UnsupportedEncodingException e)
        {
            e.printStackTrace();
        }
        System.out.println("3=" + newGBK);
    }
}

Answer 1

很显然,你的默认编码不是UTF-8

Answer 2

new String(GBK.getBytes("UTF-8"), "GBK");
这样的转法是错误的，搂主的概念是不对的，String 是 unicode 字符串。推荐搂主一篇文章，相信可以让你正确的理解相关概念：
http://www.regexlab.com/zh/encoding.htm

Answer 3

输入：中国结果：
1=中国
2=涓浗
3=中国输入：国债结果：
1=国债
2=鍥藉??
3=国???输入：债债结果：
1=债债
2=鍊哄??
3=债???难道是“债”转成的UTF-8作为 String 的结尾时有什么特殊意义？

Answer 4

java中任何String的编码都是UNICODE
bytes = str.getBytes(code)表示取得str的已code编码方式编码的字节数组
str = new String(bytes,code)表示将bytes字节数组转换为字符串，bytes的编码必须与code匹配

Answer 5

netpotRL说的正是我想表达的，
输入：中国结果：
1=中国
2=涓浗
3=中国输入：国债结果：
1=国债
2=鍥藉??
3=国???输入：债债结果：
1=债债
2=鍊哄??
3=债???所以

Answer 6

sswater(光杆兵)，是否可以推荐一种正确的转码方式

Answer 7

改动了一下： public static void main(String[] args) {
        String GBK = "国债123";
        String UTF8 = "";
        String GB2312 = "";
        
        System.out.println("1=" + GBK +"  \t长度："+GBK.length());
        try
        {
            byte [] b = GBK.getBytes("GBK");
            UTF8 = new String(b, "UTF-8");
            System.out.println("2=" + b +"  \t长度："+b.length);
        }
        catch (UnsupportedEncodingException e)
        {
            e.printStackTrace();
        }
        System.out.println("3=" + UTF8 +"  \t长度："+UTF8.length());        try
        {
            byte [] b = GBK.getBytes("GBK");
            GB2312 = new String(b,"GB2312");
        }
        catch (UnsupportedEncodingException e)
        {
            e.printStackTrace();
        }
        System.out.println("4=" + GB2312 +"  \t长度："+GB2312.length());
}结果是：1=国债123   长度：5
2=[B@35ce36   长度：7
3=???123   长度：6
4=国债123   长度：5谁能解释一下？？

Answer 8

utf-8并非字符集编码本身，而是unicode编码的存储或传输的串行化“格式”。utf-8针对不同的unicode编码段采取不同字节数的编码格式，对于utf-8而言，不同的字符编码格式占用的字节数是不等长的，记得其中ascii段的字符都占用一个字节，部分特殊符号和字符占用两个字节，汉字或统汉字或其它东亚字符等都占用三个字节，不能一概而论。具体细节请参考unicode和utf规范。

Answer 9

public static void main(String[] args) {
        String GBK = "国债123";
        String UTF8 = "";
        String GB2312 = "";
        
        //----------- 没有转码前 -------------------
        System.out.println("1=" + GBK +"  \t长度："+GBK.length());
        try
        {
            byte [] b = GBK.getBytes("GBK");
            UTF8 = new String(b, "UTF-8");
            System.out.println("2=" + b +"  \t长度："+b.length);
        }
        catch (UnsupportedEncodingException e)
        {
            e.printStackTrace();
        }
        //----------- GBK -> UTF-8 -------------------
        System.out.println("3=" + UTF8 +"  \t长度："+UTF8.length());       
        try
        {
            //正确的逻辑应该是byte [] b = UTF8.getBytes("GBK")
            byte [] b = GBK.getBytes("GBK");
            GB2312 = new String(b,"GB2312");
        }
        catch (UnsupportedEncodingException e)
        {
            e.printStackTrace();
        }
        //----------- GBK -> GB2312 -------------------
        //----------- 应该是UTF-8 ->GB2312
        //
        System.out.println("4=" + GB2312 +"  \t长度："+GB2312.length());
}

Answer 10

其实我的程序是要把带汉字的数据以UTF-8的编码方式存到一个文件中。在另外的程序中把文件中的数据取出来，正确显示出来。上面大致是我的转码方式，请高人指点。
或者可以提供一种的转码方式，能正确显示UTF-8的汉字就行

Answer 11

对于 String GBK = "国债" 来说，"将GBK转成UTF-8再转回GBK" 这种说法本身就是不对的，概念上不正确。因为：Java 中的 String 本身就是是 UNICODE 字符串，并非 byte 的多字节字符串。对于 C++ 中的 char[] 来说，有 "字符串的编码" 这个概念，进行的操作是：
GBK 的 char[]  =>  UNICODE 字符串 wchar_t[]  => utf-8 的 char[]因此，对于 Java 来说，String 本来就是 UNICODE 字符串，GBK 与 UTF8 之间不存在这样的转换过程：（注意，是不存在）
String（UNICODE 字符串） =>  字节串 byte[]  =>  String（UNICODE 字符串）搂主提这个问题本身，就说明概念理解不正确。而我推荐的文章可以让你理解其中的道理：
http://www.regexlab.com/zh/encoding.htm

Answer 12

要把带汉字的数据以UTF-8的编码方式存到一个文件中，不需要进行转化，只需要：Writer out = new OutputStreamWriter(new FileOutputStream("d:\\a.txt"), "utf-8");
out.write("中文");就可以了，因为 String 是 UNICODE 字符串。其中的原理，欢迎参考我推荐的文章。

Answer 13

sswater(光杆兵) 是说：
String GBK = "国债";
GBK本身的字符集不是“GBK”？
那么GBK（UNICODE）的字符集是指哪个？

Answer 14

to:sswater(光杆兵) 1=国债
2=鍥藉??
3=国???那么我怎么才能将
String str = "鍥藉??";
正确的显示出来？

Answer 15

to:sswater(光杆兵) :
我是用
new OutputStreamWriter( new FileOutputStream(file, false), "UTF-8" )
的方式存的。可是取出来就是不知道怎么样转成正确显示的汉字

Answer 16

同样的道理：
new InputStreamReader(new FileInputStream(file), "utf-8")得到的字符串不需要进行转化，因为 String 是 UNICODE 的。
希望你可以从我的文章中，知道其中是原理，知道为什么这样。:)

Answer 17

String str = "国债";之后，这个 str 与 GBK 没有任何关系。
str 中存放的内容为 2 个数字，分别是 '国' 和 '债' 在 UNICODE 字符集中的编号。

Answer 18

是需要转化的：
1.从我的实践来看，取出来的是
　鍥藉??
　不直接转是不行的。
2.从你推荐的文章来看
// 从字节按照 GB2312 得到 UNICODE 字符串
string = new String(bytes, "GB2312");
//UNICODE 字符集，也分GB2312和UTF-8
所以还得正确显示出来

Answer 19

"UNICODE 字符集，也分GB2312和UTF-8"
这个说法是不对的。

Answer 20

读取是：
new InputStreamReader(new FileInputStream(file), "utf-8")
（注意有个 utf-8）

Answer 21

sorry,刚看到ANSI 编码 
----------
GB2312,
BIG5,
Shift_JIS,UNICODE 编码 
-------------
UTF-8,
UTF-16, UnicodeBig …… 

Answer 22

有什么问题，或者觉得我说的是不对的，可以通过 msn 跟我聊，在这里反复回复不是办法。
msn: [email protected]理解的关键是要把 'UNICODE 字符' 与 '字节' 的概念区分。

Answer 23

new InputStreamReader(new FileInputStream(file), "utf-8")这个方法是正确的，我测试了。非常感谢！