String.getBytes()的問題
String的getBytes()方法是得到一個字串的字節(jié)數(shù)組，這是眾所周知的,。但特別要注意的是,，本方法將返回該操作系統(tǒng)默認(rèn)的編碼格式的字節(jié)數(shù)組,。如果你在使用這個方法時不考慮到這一點,，你會發(fā)現(xiàn)在一個平臺上運行良好的系統(tǒng),，放到另外一臺機器后會產(chǎn)生意想不到的問題,。比如下面的程序,，
class TestCharset
{
public static void main(String[] args)
{
new TestCharset().execute();
}
private void execute() {
String s = "Hello!你好！";
byte[] bytes = s.getBytes();
System.out.println("bytes lenght is:" + bytes.length);
}
}
在一個中文WindowsXP系統(tǒng)下,，運行時，結(jié)果為：
bytes lenght is:12
但是如果放到了一個英文的UNIX環(huán)境下運行：
$ java TestCharset
bytes lenght is:9
如果你的程序依賴于該結(jié)果,，將在后續(xù)操作中引起問題。為什么在一個系統(tǒng)中結(jié)果為12,，而在另外一個卻變成了9了呢,？上面已經(jīng)提到了,，該方法是和平臺（編碼）相關(guān)的,。在中文操作系統(tǒng)中，getBytes方法返回的是一個GBK或者GB2312的中文編碼的字節(jié)數(shù)組,，其中中文字符，各占兩個字節(jié),。而在英文平臺中,，一般的默認(rèn)編碼是“ISO-8859-1”,，每個字符都只取一個字節(jié)（而不管是否非拉丁字符）,。
Java中的編碼支持
Java是支持多國編碼的，在Java中,，字符都是以Unicode進行存儲的,，比如,，“你”字的Unicode編碼是“4f60”,，我們可以通過下面的實驗代碼來驗證：
class TestCharset
{
public static void main(String[] args)
{
char c = ‘你‘;
int i = c;
System.out.println(c);
System.out.println(i);
}
}
不管你在任何平臺上執(zhí)行，都會有相同的輸出：
----------------- output ------------------
你
20320
20320就是Unicode “4f60”的整數(shù)值,。其實,，你可以反編譯上面的類，可以發(fā)現(xiàn)在生成的.class文件中字符“你”（或者其它任何中文字串）本身就是以Unicode編碼進行存儲的：
char c = ‘\u4F60‘;
... ...
即使你知道了編碼的編碼格式，比如：
javac -encoding GBK TestCharset.java
編譯后生成的.class文件中仍然是以Unicode格式存儲中文字符或字符串的,。
使用String.getBytes(String charset)方法
所以,，為了避免這種問題,，我建議大家都在編碼中使用String.getBytes(String charset)方法,。下面我們將從字串分別提取ISO-8859-1和GBK兩種編碼格式的字節(jié)數(shù)組,，看看會有什么結(jié)果：
class TestCharset
{
public static void main(String[] args)
{
new TestCharset().execute();
}
private void execute() {
String s = "Hello!你好,！";
byte[] bytesISO8859 =null;
byte[] bytesGBK = null;
try
{
bytesISO8859 = s.getBytes("iso-8859-1");
bytesGBK = s.getBytes("GBK");
}
catch (java.io.UnsupportedEncodingException e)
{
e.printStackTrace();
}
System.out.println("-------------- \n 8859 bytes:");
System.out.println("bytes is: " + arrayToString(bytesISO8859));
System.out.println("hex format is:" + encodeHex(bytesISO8859));
System.out.println();
System.out.println("-------------- \n GBK bytes:");
System.out.println("bytes is: " + arrayToString(bytesGBK));
System.out.println("hex format is:" + encodeHex(bytesGBK));
}
public static final String encodeHex (byte[] bytes) {
StringBuffer buff = new StringBuffer(bytes.length * 2);
String b;
for (int i=0; i<bytes.length ; i++)
{
b = Integer.toHexString(bytes[i]);
// byte是兩個字節(jié)的，而上面的Integer.toHexString會把字節(jié)擴展為4個字節(jié)
buff.append(b.length() > 2 ? b.substring(6,8) : b);
buff.append(" ");
}
return buff.toString();
}
public static final String arrayToString (byte[] bytes) {
StringBuffer buff = new StringBuffer();
for (int i=0; i<bytes.length ; i++)
{
buff.append(bytes[i] + " ");
}
return buff.toString();
}
}
執(zhí)行上面程序?qū)⒋蛴〕觯?br>--------------
8859 bytes:
bytes is: 72 101 108 108 111 33 63 63 63
hex format is:48 65 6c 6c 6f 21 3f 3f 3f
--------------
GBK bytes:
bytes is: 72 101 108 108 111 33 -60 -29 -70 -61 -93 -95
hex format is:48 65 6c 6c 6f 21 c4 e3 ba c3 a3 a1
可見,，在s中提取的8859-1格式的字節(jié)數(shù)組長度為9,，中文字符都變成了“63”,，ASCII碼為63的是“?”,，一些國外的程序在國內(nèi)中文環(huán)境下運行時,， 經(jīng)常出現(xiàn)亂碼,，上面布滿了“?”,，就是因為編碼沒有進行正確處理的結(jié)果,。而提取的GBK編碼的字節(jié)數(shù)組中正確得到了中文字符的GBK編碼。字符“你”“好”“,！”的GBK編碼分別是：“c4e3”“bac3”“a3a1”,。得到了正確的以GBK編碼的字節(jié)數(shù)組,，以后需要還原為中文字串時,，可以使用下面方法：
new String(byte[] bytes, String charset) |
|
String.getBytes()方法中的中文編碼問題
