关于java的编码问题

Question

这是我在网上查到的一段资料：
分析一下你的”乱码”到底是什么编码。这个其实不难，比如
System.out.println(testString);
这一段出现了乱码，那么不妨用穷举法猜测一下它的实际编码格式。
System.out.println(new String(testString.getBytes(”ISO-8859-1″),”gb2312″));
System.out.println(new String(testString.getBytes(”UTF8″),”gb2312″));
System.out.println(new String(testString.getBytes(”GB2312″),”gb2312″));
System.out.println(new String(testString.getBytes(”GBK”),”gb2312″));
System.out.println(new String(testString.getBytes(”BIG5″),”gb2312″));
等等，上述代码的意思是用制定的编码格式去读取testString这个”乱码”，并转换成gb2312（此处仅以中文为例）
然后你看哪一个转换出来的结果是ok的，那就然后我自己编了个简单的测试程序如下：public class Test {
public static void main(String[] args) {
// TODO Auto-generated method stub
String testString = "夏斌";
try {
System.out.println(new String(testString.getBytes("ISO-8859-1"),"gb2312"));
System.out.println(new String(testString.getBytes("UTF8"),"GB2312"));
System.out.println(new String(testString.getBytes("GB2312"),"GB2312"));
System.out.println(new String(testString.getBytes("GBK"),"gb2312"));
System.out.println(new String(testString.getBytes("BIG5"),"gb2312"));

} catch (UnsupportedEncodingException e) {
// TODO Auto-generated catch block
e.printStackTrace();
}
}}发现gb2312，和gbk显示正常，但是有一点gb2312是兼容gbk的，所以我对上述测试还是有怀疑，于是将第二行
System.out.println(new String(testString.getBytes("UTF8"),"GB2312"));改成
System.out.println(new String(testString.getBytes("UTF8"),"UTF8"));
结果可以正常显示
我又将第三行
System.out.println(new String(testString.getBytes("GB2312"),"GB2312"));改成
System.out.println(new String(testString.getBytes("GB2312"),"utf8"));
结果显示乱码
我就糊涂了，用utf8或gb2312或gbk等读取字符串，再转换成相同的编码就可正常显示，但是用一种编码读取字符串，用不同的编码转换，现实就不正常，如此的话，就没法检验你的字符串是什么编码了啊，请高手指点一二，谢谢！

Answer 1

相同的实验我也做过，我有自己的理解方式，至于正不正确我就不知道了。
首先在计算机中一个字符串在计算机中的确是以某种方式来储存，但是当你用getByte()方法获得字节数组的时候，你可以认为是 "夏斌"-->byte[]， 而不是内存中的字节数组转化成另一个字节数组。
所以无论你的字符串在内存中是用什么编码方式存储，你用getByte["GBK"]得到的都是这个"夏斌"对应的字节数组。而你之所以会乱码是因为你的编码，解码不一致。现在再说一下为什么有的乱码用这种方式能回复正常。
System.out.println(new String(testString.getBytes(”ISO-8859-1″),”gb2312″));
System.out.println(new String(testString.getBytes(”UTF8″),”gb2312″));
System.out.println(new String(testString.getBytes(”GB2312″),”gb2312″));
System.out.println(new String(testString.getBytes(”GBK”),”gb2312″));
System.out.println(new String(testString.getBytes(”BIG5″),”gb2312″));
我们用上面那例子继续：
String testString = "夏斌";
System.out.println(new String(testString.getBytes("GB2312"),"utf8"));
你用了GB2312编码，用了UTF-8解码显示肯定乱码。要恢复正常的话就必须在加上一句
System.out.println(new String(testString.getBytes("utf8"),"GB2312"));
这样可能就恢复正常了,注意是可能。是否会恢复的关键在于第一次用utf-8解码的时候显示的乱码是否有丢弃一些字节来显示，如果丢弃了话，这就没办法恢复了。

Answer 2

上面有句写错了，修改如下：我们用上面那例子继续：
String testString = "夏斌";
testString = new String(testString.getBytes("GB2312"),"utf8")
System.out.println(testString);
你用了GB2312编码，用了UTF-8解码显示肯定乱码。要恢复正常的话就必须在加上一句
System.out.println(new String(testString.getBytes("utf8"),"GB2312"));
这样可能就恢复正常了,注意是可能。是否会恢复的关键在于第一次用utf-8解码的时候显示的乱码是否有丢弃一些字节来显示，如果丢弃了话，这就没办法恢复了。
我记得如果用"ISO-8859-1"解码过的就没办法恢复了，因为它根本不认识中文。

Answer 3

中".getBytes("gbk")
-42,-48
中".getBytes("utf-8")
-28,-72,-83首先字符集对于一个字符来说，可能是用到1、2、3、4个字节，具体由字符集规定
然后字符集对于同一个字符，也会有自己的字节编码，根据不同的编码可以映射出不同的字就好像上面的例子，同一个中文字，会有不同的字节数，和不同的字节

Answer 4

个人觉得这种方法不是正规的判断编码的方法。
import java.io.UnsupportedEncodingException;
import java.nio.charset.Charset;public class User {
/**
 * @param args
 * 
 */
public static void main(String[] args) {
// TODO Auto-generated method stub
String testString = "夏斌";
byte[] bytes = null;
try {
bytes = testString.getBytes("ISO-8859-1");
System.out.print("ISO-8859-1:\t" + btyeBufToHexStr(bytes) + "\t\t");
System.out.println(new String(bytes, "GB2312"));

bytes = testString.getBytes("UTF8");
System.out.print("UTF8\t\t" + btyeBufToHexStr(bytes) + "\t");
System.out.println(new String(bytes, "GB2312"));

bytes = testString.getBytes("GB2312");
System.out.print("GB2312\t\t" + btyeBufToHexStr(bytes) + "\t");
System.out.println(new String(bytes, "GB2312"));

bytes = testString.getBytes("GBK");
System.out.print("GBK\t\t" + btyeBufToHexStr(bytes) + "\t");
System.out.println(new String(bytes, "gb2312"));

bytes = testString.getBytes("BIG5");
System.out.print("BIG5\t\t" + btyeBufToHexStr(bytes) + "\t");
System.out.println(new String(bytes, "GB2312")); } catch (UnsupportedEncodingException e) {
// TODO Auto-generated catch block
e.printStackTrace();
}
}
/**
    * 把字节数组转换成16进制字符串
    * @param bArray
    * @return
    */
public static String btyeBufToHexStr(byte[] bArray) {
    StringBuffer sb = new StringBuffer(bArray.length);
    char[] base = {'0', '1', '2', '3', '4', '5', '6', '7', '8', '9', 'A', 'B', 'C', 'D', 'E', 'F'};
    for (int i = 0; i < bArray.length; i++) {
     sb.append(base[(0xff & bArray[i]) >>> 4]);//高位
     sb.append(base[bArray[i] & 0xf]);//低位
    }
    return sb.toString();
}}你执行下这段代码就知道了。 注意看打印的字节数组

Answer 5

System.out.println(new String(testString.getBytes("utf8"),"GB2312"));如果这个能够恢复，说明这个乱码原本的编码方式是GB2312却用UTF-8来解码。

Answer 6

你看的资料应该是这个意思。 给定一个字节数组，或字节流bytes，我们可以判断这个bytes是什么编码方式。即
byte[] bytes = getBytes()//在流里取得文字的编码
System.out.println(new String(bytes, ”ISO-8859-1″));
System.out.println(new String(bytes, ”UTF"));
System.out.println(new String(bytes,”gb2312″));
System.out.println(new String(bytes,”gbk″));
System.out.println(new String(bytes,”big5″));
这样就可以取得那段文字的编码。