问题描述
刚遇到一个关于乱码的问题,问题是解决了,可还想弄得更明白一些。代码如下:privatestaticvoidtestChar(){byte[]array=newbyte[]{-61,-92};Stringvalue=newString(array,Charset.forName("UTF-8"));System.out.println("value:"+value);}
正常显示应该是ä如果换成ISO-8859-1,则是乱码,UTF-8则正常。问题1:该字符同时存在两个码表,为什么UTF-8可以正常显示,而ISO-8859-1则不行。问题2:是如何对-61和-92进行操作,然后在UTF-8码表中找到该字符的。先谢谢各位了
解决方案
解决方案二:
1该字符同时存在两个码表,为什么UTF-8可以正常显示,而ISO-8859-1则不行不同的编码格式,对相同的字节码可能有不同的解读。newbyte[]{-61,-92}使用UTF-8可以显示ä使用ISO-8859-1不能正常显示,使用GBK显示盲。2jdk源码,根据字节码和对应编码格式去编码publicString(bytebytes[],intoffset,intlength,Charsetcharset){if(charset==null)thrownewNullPointerException("charset");checkBounds(bytes,offset,length);char[]v=StringCoding.decode(charset,bytes,offset,length);this.offset=0;this.count=v.length;this.value=v;}
解决方案三:
这个编码问题说了话长
解决方案四:
Java开发中,常常会遇到乱码的问题,一旦遇到这种问题,常常就很扯蛋,每个人都不愿意承认是自己的代码有问题。其实编码问题并没有那么神秘,那么不可捉摸,搞清Java的编码本质过程就真相大白了。其实,编码问题存在两个方面:JVM之内和JVM之外。1、Java文件编译后形成class这里Java文件的编码可能有多种多样,但Java编译器会自动将这些编码按照Java文件的编码格式正确读取后产生class文件,这里的class文件编码是Unicode编码(具体说是UTF-16编码)。因此,在Java代码中定义一个字符串:Strings="汉字";不管在编译前java文件使用何种编码,在编译后成class后,他们都是一样的----Unicode编码表示。2、JVM中的编码JVM加载class文件读取时候使用Unicode编码方式正确读取class文件,那么原来定义的Strings="汉字";在内存中的表现形式是Unicode编码。当调用String.getBytes()的时候,其实已经为乱码买下了祸根。因为此方法使用平台默认的字符集来获取字符串对应的字节数组。在WindowsXP中文版中,使用的默认编码是GBK,不信运行下:publicclassTest{publicstaticvoidmain(String[]args){System.out.println("当前JRE:"+System.getProperty("java.version"));System.out.println("当前JVM的默认字符集:"+Charset.defaultCharset());}}
当前JRE:1.6.0_16当前JVM的默认字符集:GBK当不同的系统、数据库经过多次编码后,如果对其中的原理不理解,就容易导致乱码。因此,在一个系统中,有必要对字符串的编码做一个统一,这个统一模糊点说,就是对外统一。比如方法字符串参数,IO流,在中文系统中,可以统一使用GBK、GB13080、UTF-8、UTF-16等等都可以,只是要选择有些更大字符集,以保证任何可能用到的字符都可以正常显示,避免乱码的问题。(假设对所有的文件都用ASCII码)那么就无法实现双向转换了。要特别注意的是,UTF-8并非能容纳了所有的中文字符集编码,因此,在特殊情况下,UTF-8转GB18030可能会出现乱码,然而一群傻B常常在做中文系统喜欢用UTF-8编码而不说不出个所以然出来!最傻B的是,一个系统多个人做,源代码文件有的人用GBK编码,有人用UTF-8,还有人用GB18030。FK,都是中国人,也不是外包项目,用什么UTF-8啊,神经!源代码统统都用GBK18030就OK了,免得ANT脚本编译时候提示不可认的字符编码。因此,对于中文系统来说,最好选择GBK或GB18030编码(其实GBK是GB18030的子集),以便最大限度的避免乱码现象。3、内存中字符串的编码内存中的字符串不仅仅局限于从class代码中直接加载而来的字符串,还有一些字符串是从文本文件中读取的,还有的是通过数据库读取的,还有可能是从字节数组构建的,然而他们基本上都不是Unicode编码的,原因很简单,存储优化。因此就需要处理各种各样的编码问题,在处理之前,必须明确“源”的编码,然后用指定的编码方式正确读取到内存中。如果是一个方法的参数,实际上必须明确该字符串参数的编码,因为这个参数可能是另外一个日文系统传递过来的。当明确了字符串编码时候,就可以按照要求正确处理字符串,以避免乱码。在对字符串进行解码编码的时候,应该调用下面的方法:getBytes(StringcharsetName)String(byte[]bytes,StringcharsetName)
而不要使用那些不带字符集名称的方法签名,通过上面两个方法,可以对内存中的字符进行重新编码。