java编解码时的乱码问题

编码格式在java应用中的生命周期：

第一步：java文件编码格式（文件格式非固定）

第二步：java文件编写保存

第三步：编译成Class文件

第四步：load class文件到JVM

第五步：内存

   1、java文件中的字符串

   2、运行时从网络中读取到内存中的字符串

   3、运行时从本地文件中读取到内存中的字符串

   4、运行时将内存中的字符串写入到文件中

a.example：编写一个java文件，用来读取网络资源、本地文件a以及java文件中的字符串。然后输出读取的字符串到文件b.txt中。

b.解析生命周期：

第一步：java文件编码格式

   文件格式非固定：

    Java文件在编写之前需要指定文件的编码格式，默认编码和当前操作系统平台编码保持一致。比如，当前操作系统平台为windows中文版，那么编码一般为GBK。当然可以对保存文件的编码进行修改。例如修改成UTF-8。那么此时文件保存的编码就为UTF-8。

第二步：java文件编写保存

该java文件中，有读取网络流的方法、读取本地文件的方法及其输出字符串到文件中的方法；编写完成之后，那么则以第一步的编码进行保存。另外，当前java文件中的所有字符串则以第一步中的编码得以保存。比如说当前java文件中有 String str=”abc中国”;第一步的编码设置为UTF-8，那么则以UTF-8进行保存。如果是GBK，那么则以GBK进行保存。

  第三步：编译成Class

   编译后的class文件的编码固定为UTF-8；和java文件编码格式无关。说明，编译器在编译的过程中将文件格式做了处理。编译器的这种处理操作不会带来乱码问题，因为我们必须要相信编译器的编解码处理过程。

  第四步：Load class 文件到jvm

   jvm中的所有字符串编码都为unicode。所以的话，从class文件再到jvm。编码又做了一次处理。同样也必须相信这种处理不会为乱码留下伏笔；

  第五步：内存

   内存中运行的是jvm中的数据，jvm中的数据编码为unicode。那么内存中同样也以unicode方式进行存储。但是有一个问题，内存运行的过程中，可能会设计到读取文件内容、网络内容以及输出这些内容的操作。在内存中读取的网络内容、文件内容会以不同的编码出现。这种编码和java文件中处理的方式有关。这儿是乱码问题出现原因的一部分。内存中还有输出字符串内容到文件的操作。这儿也会存在问题。

c.具体实例：

1、java文件中的字符串

String abc = "abc中国";
byte[] bytes = abc.getBytes();
for (byte b : bytes) {
    System.out.print(b+"  ");
}
System.out.println();
String newabc=new String(abc);
System.out.println(newabc);
     Java文件编码为UTF-8：
     打印结果：
979899  -28  -72  -83  -27  -101  -67
     abc中国
     Java文件编码为GBK：
     打印结果：
979899  -42  -48  -71  -6
     abc中国
注：java文件的编码可以通过选择java文件右键Properties――》Text file encoding 中进行设置

出现上面打印结果的原因分析如下；

假如当前java文件的编码是gbk，那么"abc中国"则以gbk格式进行保存。

abc.getBytes() 方法将字符串转换成字节处理方式是以当前平台的编码进行处理，而在选择java文件右键Properties――》Text file encoding 中进行设置的编码就是此时java文件平台的编码。

abc.getBytes() 的本质是 abc.getBytes(“ Charset.defaultCharset()”) ；

它们两者是等效的 。因为我们当前的编码设置为gbk，那么就等效于abc.getBytes(“gbk”)。也就是说abc.getBytes()等价于abc.getBytes(“gbk”)；

同样值得注意的是String newabc=new String(bytes); 这儿也进行了默认操作处理。String newabc=new String(bytes) 等效于String newabc=new String(bytes，Charset.defaultCharset()) 因为当前编码是gbk则

String newabc=new String(bytes) 等效于 String newabc=new String(bytes,’gbk’)

   理一下思路：

abc中国 以gbk编码保存――》以utf-8 编码的class文件存在――》以unicode编码load于jvm中――》同样以unicode的形式存在于内存中――》再以gbk编码转成字节――》最后以gbk编码转成字符串；

因为最后两步字符串转成字节和字节转成字符串的编码是统一的，都为gbk。所以不会有乱码的产生。乱码产生的原因就是最后两步字符串的编解码是不统一的。假如字符串变成字节的过程采用gbk编码，而最后字节变成字符串以utf-8的形式编码。那么肯定会出乱码问题。下面事例就是：

ReadJavaString.java

String abc = "abc中国";
byte[] bytes = abc.getBytes("gbk");
for (byte b : bytes) {
        System.out.print(b+"  ");
    }
    System.out.println();
    String newabc=new String(abc，"utf-8");
    System.out.println(newabc);
      打印结果如下：
979899  -42  -48  -71  -6
      abc?й?

 结论：避免乱码出现问题的解决办法就是统一编码。

 字符串――字节     字节――字符串 用同一种编码

2、运行时从网络中读取到内存中的字符串

     假如需求为：在远程服务器中保存着一个编码为gbk的 wsx.txt 文件，要将wsx.txt 文件中的内容读取到本地进行打印或者存储。wsx.txt 中的内容为abc中

ReadResourceFromNetWork.java

     URL url =null;
try {
    url = new URL("http://wangshuxiong.jhost.cn/wsx.txt");
    URLConnection urlconnection = url.openConnection();
    InputStream ins = urlconnection.getInputStream();
int a=0;
while ((a = ins.read()) != -1) {
        System.out.print(a+" ");
    }
    ins.close();
} catch (Exception e) { }
     打印结果：979899214208
     此时当前ReadResourceFromNetWork.java 文件的编码为gbk。改变ReadResourceFromNetWork.java 的编码为utf-8 的时候，我们发现一个现象。打印结果依旧为 ：      979899214208
     当我们改变wsx.txt 的编码为utf-8 ，内容依旧为“abc中” 不论ReadResourceFromNetWork.java文件的编码是utf-8 还是gbk，那么打印结果都为：
979899228184173
} catch (Exception e) { }

由此我们得出一个结论：
       从网络中读取资源文件的时候，无论当前java文件编码为何值，我们最后得到的一个个字节只与读取的资源文件保存的编码有关。
       那么我们可以知道的是：下面wsx.txt 编码为utf-8 的时候，那么读取的字节数组bytes 中的编码为utf-8；
       URL url =null;
try {
            url = new URL("http://wangshuxiong.jhost.cn/wsx.txt");
            URLConnection urlconnection = url.openConnection();
            InputStream ins = urlconnection.getInputStream();
byte[] bytes=newbyte[ins.available()];
int len= ins.read(bytes); /*返回的len是保存到bytes数组中实际的长度，比如说bytes数组定义长度为1024，但是只读取了100个字节长度，那么则返回的len为100，len最大值为bytes数组初始长度*/
            ins.close();
  当前ReadResourceFromNetWork.java编码为gbk的时候；调用下面方法的话肯定会是乱码，前面说过，String newabc=new String(bytes)  等效于String newabc=new String(bytes，Charset.defaultCharset());即为GBK编码，两者编码不统一，乱码是必然，打印结果如下： abc涓?

要解决上面乱码问题，方法很简单，不是说两者统一就行了嘛。既然读取字节的时候无法改变字节读取的编码，事实上也是万万不能改变的。那么我们就改变字节变成字符串时候的编码

String newabc=new String(bytes，“utf-8”);

打印结果如下：

abc中 。

小结一下：

对于读取网络资源乱码问题，如果能够知道资源的编码格式，那么，只需要在转成字符串的过程中使用这种编码就行。所以，关键问题落在了判断资源文件编码方式是那种。

获取编码具体可以查看 how to get charset from string and file

3、运行时从本地文件中读取到内存中的字符串

和网络中读取的结果完全一样，参考其上！

4、运行时将内存中的字符串写入到文件中

  首先确保，读取到内存中的字符串正确，然后写入的话，一定要确保知道写入文件的保存编码，而不是按照默认的jvm运行编码进行保存。看事例！

try {
            FileOutputStream fous = new FileOutputStream(new File("b.txt"));
            fous.write(value.getBytes("gbk"));
            fous.flush();
            fous.close();
        } catch (Exception e) {}