在上篇博客中LZ闡述了java各個(gè)渠道轉(zhuǎn)碼的過程，闡述了java在運(yùn)行過程中那些步驟在進(jìn)行轉(zhuǎn)碼垦沉，在這些轉(zhuǎn)碼過程中如果一處出現(xiàn)問題就很有可能會(huì)產(chǎn)生亂碼挺举！下面LZ就講述java在轉(zhuǎn)碼過程中是如何來(lái)進(jìn)行編碼和解碼操作的。
編碼&解碼
在上篇博客中LZ闡述了三個(gè)渠道的編碼轉(zhuǎn)換過程命斧，下面LZ將結(jié)束java在那些場(chǎng)合需要進(jìn)行編碼和解碼操作近忙，并詳序中間的過程竭业，進(jìn)一步掌握java的編碼和解碼過程。在java中主要有四個(gè)場(chǎng)景需要進(jìn)行編碼解碼操作：
1：I/O操作
2：內(nèi)存
3：數(shù)據(jù)庫(kù)
4：javaWeb
下面主要介紹前面兩種場(chǎng)景及舍，數(shù)據(jù)庫(kù)部分只要設(shè)置正確編碼格式就不會(huì)有什么問題未辆，javaWeb場(chǎng)景過多需要了解URL、get锯玛、POST的編碼咐柜，servlet的解碼，所以javaWeb場(chǎng)景下節(jié)LZ介紹攘残。
I/O操作
在前面LZ就提過亂碼問題無(wú)非就是轉(zhuǎn)碼過程中編碼格式的不統(tǒng)一產(chǎn)生的拙友，比如編碼時(shí)采用UTF-8，解碼采用GBK歼郭，但最根本的原因是字符到字節(jié)或者字節(jié)到字符的轉(zhuǎn)換出問題了遗契，而這中情況的轉(zhuǎn)換最主要的場(chǎng)景就是I/O操作的時(shí)候。當(dāng)然I/O操作主要包括網(wǎng)絡(luò)I/O（也就是javaWeb）和磁盤I/O病曾。網(wǎng)絡(luò)I/O下節(jié)介紹牍蜂。
首先我們先看I/O的編碼操作。

201412300001

File file =
new
File(
"C:\test.txt"
);

InputStream input =
new
FileInputStream(file);

StringBuffer buffer =
new
StringBuffer();

byte
[] bytes =
new
byte
[
1024
];

for
(
int
n ; (n = input.read(bytes))!=-
1
; ){

buffer.append(
new
String(bytes,
0
,n));

}

System.out.println(buffer);

輸出結(jié)果：锘挎垜鏄?cm
test.txt中的內(nèi)容為：我是 cm。
要想不出現(xiàn)亂碼源织，在構(gòu)造String過程中指定編碼格式翩伪，使得編碼解碼時(shí)兩者編碼格式保持一致即可：
1

buffer.append(
new
String(bytes,
0
,n,
"UTF-8"
));

按字符
其實(shí)字符流可以看做是一種包裝流，它的底層還是采用字節(jié)流來(lái)讀取字節(jié)谈息，然后它使用指定的編碼方式將讀取字節(jié)解碼為字符缘屹。在java中Reader是讀取字符流的超類。所以從底層上來(lái)看按字節(jié)讀取文件和按字符讀取沒什么區(qū)別侠仇。在讀取的時(shí)候字符讀取每次是讀取留個(gè)字節(jié)轻姿，字節(jié)流每次讀取一個(gè)字節(jié)。
字節(jié)&字符轉(zhuǎn)換
字節(jié)轉(zhuǎn)換為字符一定少不了InputStreamReader逻炊。API解釋如下：InputStreamReader 是字節(jié)流通向字符流的橋梁：它使用指定的 charset

讀取字節(jié)并將其解碼為字符互亮。它使用的字符集可以由名稱指定或顯式給定，或者可以接受平臺(tái)默認(rèn)的字符集余素。 每次調(diào)用 InputStreamReader 中的一個(gè) read() 方法都會(huì)導(dǎo)致從底層輸入流讀取一個(gè)或多個(gè)字節(jié)豹休。要啟用從字節(jié)到字符的有效轉(zhuǎn)換，可以提前從底層流讀取更多的字節(jié)溺森，使其超過滿足當(dāng)前讀取操作所需的字節(jié)慕爬。API解釋非常清楚，InputStreamReader在底層讀取文件時(shí)仍然采用字節(jié)讀取屏积，讀取字節(jié)后它需要根據(jù)一個(gè)指定的編碼格式來(lái)解析為字符医窿，如果沒有指定編碼格式則采用系統(tǒng)默認(rèn)編碼格式。
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26

String file =
"C:\test.txt"
;

String charset =
"UTF-8"
;

// 寫字符換轉(zhuǎn)成字節(jié)流

FileOutputStream outputStream =
new
FileOutputStream(file);

OutputStreamWriter writer =
new
OutputStreamWriter(outputStream, charset);

try
{

writer.write(
"我是 cm"
);

}

finally
{

writer.close();

}

// 讀取字節(jié)轉(zhuǎn)換成字符

FileInputStream inputStream =
new
FileInputStream(file);

InputStreamReader reader =
new
InputStreamReader(inputStream, charset);

StringBuffer buffer =
new
StringBuffer();

char
[] buf =
new
char
[
64
];

int
count =
0
;

try
{

while
((count = reader.read(buf)) != -
1
) {

buffer.append(buf,
0
, count);

}

}

finally
{

reader.close();

}

System.out.println(buffer);

內(nèi)存
首先我們看下面這段簡(jiǎn)單的代碼
1
2
3
4

String s =
"我是 cm"
;

byte
[] bytes = s.getBytes();

String s1 =
new
String(bytes,
"GBK"
);

String s2 =
new
String(bytes);

在這段代碼中我們看到了三處編碼轉(zhuǎn)換過程（一次編碼炊林，兩次解碼）姥卢。先看String.getTytes():
1
2
3

public
byte
[] getBytes() {

return
StringCoding.encode(value,
0
, value.length);

}

內(nèi)部調(diào)用StringCoding.encode()方法操作：
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23

static
byte
[] encode(
char
[] ca,
int
off,
int
len) {

String csn = Charset.defaultCharset().name();

try
{

// use charset name encode() variant which provides caching.

return
encode(csn, ca, off, len);

}

catch
(UnsupportedEncodingException x) {

warnUnsupportedCharset(csn);

}

try
{

return
encode(
"ISO-8859-1"
, ca, off, len);

}

catch
(UnsupportedEncodingException x) {

// If this code is hit during VM initialization, MessageUtils is

// the only way we will be able to get any kind of error message.

MessageUtils.err(
"ISO-8859-1 charset not available: "

• x.toString());

// If we can not find ISO-8859-1 (a required encoding) then things

// are seriously wrong with the installation.

System.exit(
1
);

return
null
;

}

}

encode(char[] paramArrayOfChar, int paramInt1, int paramInt2)方法首先調(diào)用系統(tǒng)的默認(rèn)編碼格式，如果沒有指定編碼格式則默認(rèn)使用ISO-8859-1編碼格式進(jìn)行編碼操作，進(jìn)一步深入如下：
1

String csn = (charsetName ==
null
) ?
"ISO-8859-1"
: charsetName;

同樣的方法可以看到new String 的構(gòu)造函數(shù)內(nèi)部是調(diào)用StringCoding.decode()方法：
1
2
3
4
5
6

public
String(
byte
bytes[],
int
offset,
int
length, Charset charset) {

if
(charset ==
null
)

throw
new
NullPointerException(
"charset"
);

checkBounds(bytes, offset, length);

this
.value = StringCoding.decode(charset, bytes, offset, length);

}

decode方法和encode對(duì)編碼格式的處理是一樣的独榴。
對(duì)于以上兩種情況我們只需要設(shè)置統(tǒng)一的編碼格式一般都不會(huì)產(chǎn)生亂碼問題僧叉。
編碼&編碼格式
首先先看看java編碼類圖[1]

201412300003

201412300002

public
class
Test02 {

public
static
void
main(String[] args)
throws
UnsupportedEncodingException {

String string =
"我是 cm"
;

Test02.printChart(string.toCharArray());

Test02.printChart(string.getBytes(
"ISO-8859-1"
));

Test02.printChart(string.getBytes(
"GBK"
));

Test02.printChart(string.getBytes(
"UTF-8"
)); }

/**

• char轉(zhuǎn)換為16進(jìn)制

*/

public
static
void
printChart(
char
[] chars){

for
(
int
i =
0
; i < chars.length ; i++){

System.out.print(Integer.toHexString(chars[i]) +
" "
);

}

System.out.println(
""
);

}

/**

• byte轉(zhuǎn)換為16進(jìn)制

*/

public
static
void
printChart(
byte
[] bytes){

for
(
int
i =
0
; i < bytes.length ; i++){

String hex = Integer.toHexString(bytes[i] &
0xFF
);

if
(hex.length() ==
1
) {

hex =
'0'

• hex;

}

System.out.print(hex.toUpperCase() +
" "
);

}

System.out.println(
""
);

}

}

outPut:
6211
662f
20
63
6d 3F 3F
20
63
6D CE D2 CA C7
20
63
6D E6
88
91
E6
98
AF
20
63
6D

通過程序我們可以看到“我是 cm”的結(jié)果為：
char[]：6211 662f 20 63 6d
ISO-8859-1：3F 3F 20 63 6DGBK：CE D2 CA C7 20 63 6DUTF-8：E6 88 91 E6 98 AF 20 63 6D
圖如下：

201412310001