java中字符串编解码的问题

1. Java一律采用Unicode编码方式，每个字符无论中文还是英文字符都占用2个字节。

Java的char类型，通常以UTF-16 Big Endian的方式保存一个字符。

2. 对于字符串String s = "你好世界";

如果源码文件是GBK编码, 操作系统（windows）默认的环境编码为GBK，那么编译时,  JVM将 按照GBK

编码将字节数组解析成字符，然后将字符转换为unicode格式的字节数组，作为内部存储。当打印这个字符串时，

JVM 根据操作系统本地的语言环境，将unicode转换为GBK，然后操作系统将GBK格式的内容显示出来。

当源码文件是UTF-8, 我们需要通知编译器源码的格式，javac -encoding utf-8 ... , 编译时，JVM按照utf-8

 解析成字符，然后转换为unicode格式的字节数组， 那么不论源码文件是什么格式，同样的字符串，最后得到的

unicode字节数组是完全一致的，显示的时候，也是转成GBK来显示（跟OS环境有关）

 乱码如何产生？ 本质上都是由于 字符串原本的编码格式 与 读取时解析用的编码格式不一致导致的。

String s  = "你好世界";

System.out.println(new String(s.getBytes(), "utf-8"));

注：这条输出语句会报错，因为getBytes()默认使用GBK编码，而解析时使用的UTF-8编码。

关于String(byte bytes[], String charsetName)

这里s.getBytes()可以将unicode 转换为操作系统默认的格式的字节数组,即gbk格式的s。

charset 是指定读取 bytes 的方式，这里指定为utf-8,即把bytes的内容当做utf-8来对待。