无论是对程序的本地化还是国际化，都会涉及到字符编码的转换的问题。尤其在web应用中常常需要处理中文字符，这时就需要进行字符串的编码转换，将字符串编码转换为GBK或者GB2312。
一、关键技术点： 1、当前流行的字符编码格式有：US-ASCII、ISO-8859-1、UTF-8、UTF-16BE、UTF-16LE、UTF-16、GBK、GB2312等，其中GBK、GB2312是专门处理中文编码的。 2、String的getBytes方法用于按指定编码获取字符串的字节数组，参数指定了解码格式，如果没有指定解码格式，则按系统默认编码格式。 3、String的“String(bytes[] bs, String charset)”构造方法用于把字节数组按指定的格式组合成一个字符串对象。二、源码分析：
更改字符串编码的步骤为: 1、调用String的getByte方法对字符串进行解码，得到字符串的字节数组（字节数组不携带任何有关编码格式的信息，只有字符才有编码格式） 2、根据字节数组和新的字符编码构造一个新的String对象，得到的就是按照新的字符编码生成的字符串
package com.using.test; import java.io.UnsupportedEncodingException; /** * 转换字符串的编码 */ public class ConverStr { public static void main(String[] args) throws UnsupportedEncodingException { ConverStr test = new ConverStr(); String str = "\u9519\u8bef\u7684\u6765\u6e90" ; System.out.println( "str: " + str); String gbk = test.toGBK(str); System.out.println( "转换成GBK码: " + gbk); System.out.println(); String ascii = test.toASCII(str); System.out.println( "转换成US-ASCII码: " + ascii); gbk = test.changeCharset(ascii, ConverStr.US_ASCII, ConverStr.GBK); System.out.println( "再把ASCII码的字符串转换成GBK码: " + gbk); System.out.println(); String iso88591 = test.toISO_8859_1(str); System.out.println( "转换成ISO-8859-1码: " + iso88591); gbk = test.changeCharset(iso88591, ConverStr.ISO_8859_1, ConverStr.GBK); System.out.println( "再把ISO-8859-1码的字符串转换成GBK码: " + gbk); System.out.println(); String utf8 = test.toUTF_8(str); System.out.println( "转换成UTF-8码: " + utf8); gbk = test.changeCharset(utf8, ConverStr.UTF_8, ConverStr.GBK); System.out.println( "再把UTF-8码的字符串转换成GBK码: " + gbk); System.out.println(); String utf16be = test.toUTF_16BE(str); System.out.println( "转换成UTF-16BE码:" + utf16be); gbk = test.changeCharset(utf16be, ConverStr.UTF_16BE, ConverStr.GBK); System.out.println( "再把UTF-16BE码的字符串转换成GBK码: " + gbk); System.out.println(); String utf16le = test.toUTF_16LE(str); System.out.println( "转换成UTF-16LE码:" + utf16le); gbk = test.changeCharset(utf16le, ConverStr.UTF_16LE, ConverStr.GBK); System.out.println( "再把UTF-16LE码的字符串转换成GBK码: " + gbk); System.out.println(); String utf16 = test.toUTF_16(str); System.out.println( "转换成UTF-16码:" + utf16); gbk = test.changeCharset(utf16, ConverStr.UTF_16LE, ConverStr.GBK); System.out.println( "再把UTF-16码的字符串转换成GBK码: " + gbk); String s = new String( "中文" .getBytes( "UTF-8" ), "UTF-8" ); System.out.println(s); } /** 7位ASCII字符，也叫作ISO646-US、Unicode字符集的基本拉丁块 */ public static final String US_ASCII = "US-ASCII" ; /** ISO 拉丁字母表 No.1，也叫作 ISO-LATIN-1 */ public static final String ISO_8859_1 = "ISO-8859-1" ; /** 8 位 UCS 转换格式 */ public static final String UTF_8 = "UTF-8" ; /** 16 位 UCS 转换格式，Big Endian（最低地址存放高位字节）字节顺序 */ public static final String UTF_16BE = "UTF-16BE" ; /** 16 位 UCS 转换格式，Little-endian（最高地址存放低位字节）字节顺序 */ public static final String UTF_16LE = "UTF-16LE" ; /** 16 位 UCS 转换格式，字节顺序由可选的字节顺序标记来标识 */ public static final String UTF_16 = "UTF-16" ; /** 中文超大字符集 */ public static final String GBK = "GBK" ; /** * 将字符编码转换成US-ASCII码 */ public String toASCII(String str) throws UnsupportedEncodingException { return this .changeCharset(str, US_ASCII); } /** * 将字符编码转换成ISO-8859-1码 */ public String toISO_8859_1(String str) throws UnsupportedEncodingException { return this .changeCharset(str, ISO_8859_1); } /** * 将字符编码转换成UTF-8码 */ public String toUTF_8(String str) throws UnsupportedEncodingException { return this .changeCharset(str, UTF_8); } /** * 将字符编码转换成UTF-16BE码 */ public String toUTF_16BE(String str) throws UnsupportedEncodingException { return this .changeCharset(str, UTF_16BE); } /** * 将字符编码转换成UTF-16LE码 */ public String toUTF_16LE(String str) throws UnsupportedEncodingException { return this .changeCharset(str, UTF_16LE); } /** * 将字符编码转换成UTF-16码 */ public String toUTF_16(String str) throws UnsupportedEncodingException { return this .changeCharset(str, UTF_16); } /** * 将字符编码转换成GBK码 */ public String toGBK(String str) throws UnsupportedEncodingException { return this .changeCharset(str, GBK); } /** * 字符串编码转换的实现方法 * * @param str * 待转换编码的字符串 * @param newCharset * 目标编码 * @return * @throws UnsupportedEncodingException */ public String changeCharset(String str, String newCharset) throws UnsupportedEncodingException { if (str != null ) { // 用默认字符编码解码字符串。 byte [] bs = str.getBytes(); // 用新的字符编码生成字符串 return new String(bs, newCharset); } return null ; } /** * 字符串编码转换的实现方法 * * @param str * 待转换编码的字符串 * @param oldCharset * 原编码 * @param newCharset * 目标编码 * @return * @throws UnsupportedEncodingException */ public String changeCharset(String str, String oldCharset, String newCharset) throws UnsupportedEncodingException { if (str != null ) { // 用旧的字符编码解码字符串。解码可能会出现异常。 byte [] bs = str.getBytes(oldCharset); // 用新的字符编码生成字符串 return new String(bs, newCharset); } return null ; } } |
【说明】
java中的String类是按照unicode进行编码的，当使用String(byte[] bytes, String encoding)构造字符串时，encoding所指的是bytes中的数据是按照那种方式编码的，而不是最后产生的String是什么编码方式，换句话说，是让系统把bytes中的数据由encoding编码方式转换成unicode编码。如果不指明，bytes的编码方式将由jdk根据操作系统决定。
当我们从文件中读数据时，最好使用InputStream方式，然后采用String(byte[] bytes, String encoding)指明文件的编码方式。不要使用Reader方式，因为Reader方式会自动根据jdk指明的编码方式把文件内容转换成unicode编码。
当我们从数据库中读文本数据时，采用ResultSet.getBytes()方法取得字节数组，同样采用带编码方式的字符串构造方法即可。
ResultSet rs;
bytep[] bytes = rs.getBytes();String str = new String(bytes, "gb2312");不要采取下面的步骤。
ResultSet rs;
String str = rs.getString();str = new String(str.getBytes("iso8859-1"), "gb2312");这种编码转换方式效率底。之所以这么做的原因是，ResultSet在getString()方法执行时，默认数据库里的数据编码方式为iso8859-1。系统会把数据依照iso8859-1的编码方式转换成unicode。使用str.getBytes("iso8859-1")把数据还原，然后利用new String(bytes, "gb2312")把数据从gb2312转换成unicode，中间多了好多步骤。
从HttpRequest中读参数时，利用reqeust.setCharacterEncoding()方法设置编码方式，读出的内容就是正确的了。
顺便说句，如果你直接在浏览器中的地址栏输入这个的话，浏览器都会使用ISO-8859-1来编码你的URL，然后才提交到服务器，这也是为啥一般服务器端都需要首先进行编码转换。