最近在作一個反饋功能,把數據反饋到對方公司網站,我公司是GBK編碼,對方公司是UTF-8編碼。所以,我須要將GBK編碼數據轉換成UTF-8編碼數據,這樣對方網站纔不會亂碼。最簡單的方法是將HttpClient的ContentCharset設置爲utf-8;若是ContentCharset是gbk而且又不想設置爲utf-8,那麼就須要將數據轉換成UTF-8編碼再發到對方網站。數組
問題出現:GBK轉UTF-8時,奇數箇中文會亂碼,偶數箇中文不會亂碼。
三個中文app
- public static void encodeError() throws UnsupportedEncodingException {
- String gbk = "我來了";
- String utf8 = new String(gbk.getBytes("UTF-8"));
-
-
- System.out.println(new String(utf8.getBytes(),"UTF-8"));
- }
前面三個中文,後面一箇中文,都是奇數網站
- public static void encodeError2() throws UnsupportedEncodingException {
- String gbk = "今年是2011年";
- String utf8 = new String(gbk.getBytes("UTF-8"));
-
-
- System.out.println(new String(utf8.getBytes(),"UTF-8"));
- }
緣由:爲何只有奇數箇中文才亂碼,偶數個卻不亂碼?下面來分析緣由編碼
- public static void analyze() throws UnsupportedEncodingException {
- String gbk = "我來了";
- String utf8 = new String(gbk.getBytes("UTF-8"));
- for (byte b : gbk.getBytes("UTF-8")) {
- System.out.print(b + " ");
- }
- System.out.println();
- for (byte b : utf8.getBytes()) {
- System.out.print(b + " ");
- }
- }
注意最後一個字節不一樣,上面一行纔是正確的UTF-8編碼。那麼爲何下面一行最後一個字節是63,而不是-122呢?這就是致使亂碼的緣由所在。
GBK編碼是一箇中文2個字節,而UTF-8編碼是一箇中文3個字節,當咱們調用getBytes("UTF-8")方法時,會經過計算來增長字節,使得從GBK的2個字節變成UTF-8對應的3個字節。所以,上例3箇中文輸出了9個字節。spa
這裏講一下怎麼經過計算增長字節,不深究的讀者能夠跳過此段。爲了醒目,直接用代碼講解code
- public static void gbk2Utf() throws UnsupportedEncodingException {
- String gbk = "我來了";
- char[] c = gbk.toCharArray();
- byte[] fullByte = new byte[3*c.length];
- for (int i=0; i<c.length; i++) {
- String binary = Integer.toBinaryString(c[i]);
- StringBuffer sb = new StringBuffer();
- int len = 16 - binary.length();
-
- for(int j=0; j<len; j++){
- sb.append("0");
- }
- sb.append(binary);
-
- sb.insert(0, "1110");
- sb.insert(8, "10");
- sb.insert(16, "10");
- fullByte[i*3] = Integer.valueOf(sb.substring(0, 8), 2).byteValue();
- fullByte[i*3+1] = Integer.valueOf(sb.substring(8, 16), 2).byteValue();
- fullByte[i*3+2] = Integer.valueOf(sb.substring(16, 24), 2).byteValue();
- }
-
- System.out.println(new String(fullByte,"UTF-8"));
- }
如今咱們來找出最後一個字節是63,而不是-122的緣由。utf-8
- public static void analyze2() throws UnsupportedEncodingException {
- String gbk = "我來了";
- byte[] utfBytes = gbk.getBytes("UTF-8");
- String utf8 = new String(utfBytes);
- System.out.print(utf8);
- }
由於文件是GBK編碼,new String(utfBytes)默認就是new String(utfBytes,"GBK")。它會2個字節2個字節地轉換成字符,當字節是奇數時最後1個字節轉字符就會計算錯誤,而後直接賦予最後這個字符爲?,對應ASCII代碼就是63。字符串
解決問題
保證字節正確纔是硬道理。當調用getBytes("UTF-8")轉換成字節數組後,建立ISO-8859-1編碼的字符串,ISO-8859-1編碼是一個字節對應一個字符,所以不會使最後一個字節錯誤。get
- public static void correctEncode() throws UnsupportedEncodingException {
- String gbk = "我來了";
- String iso = new String(gbk.getBytes("UTF-8"),"ISO-8859-1");
- for (byte b : iso.getBytes("ISO-8859-1")) {
- System.out.print(b + " ");
- }
- System.out.println();
-
-
- System.out.println(new String(iso.getBytes("ISO-8859-1"),"UTF-8"));
- }
http://www.iteye.com/topic/1097560string