String.getBytes()方法中的中文編碼問題(轉)

String的getBytes()方法是獲得一個系統默認的編碼格式的字節數組
getBytes("utf-8")  獲得一個UTF-8格式的字節數組

把String轉換成bytes，各類編碼轉換成的bytes不一樣，好比UTF-8每一個漢字轉成3bytes，而GBK轉成2bytes，因此要說明編碼方式，不然用缺省編碼。

在Java中,String的getBytes()方法是獲得一個操做系統默認的編碼格式的字節數組。這表示在不一樣的操做系統下,返回的東西不同!

String.getBytes(String decode)方法會根據指定的decode編碼返回某字符串在該編碼下的byte數組表示,如:
byte[] b_gbk = "中".getBytes("GBK");
byte[] b_utf8 = "中".getBytes("UTF-8");
byte[] b_iso88591 = "中".getBytes("ISO8859-1");
將分別返回"中"這個漢字在GBK、UTF-8和ISO8859-1編碼下的byte數組表示,此時

b_gbk的長度爲2,

b_utf8的長度爲3,

b_iso88591的長度爲1。

而與getBytes相對的,能夠經過new String(byte[], decode)的方式來還原這個"中"字,

這個new String(byte[], decode)實際是使用指定的編碼decode來將byte[]解析成字符串.
String s_gbk = new String(b_gbk,"GBK");
String s_utf8 = new String(b_utf8,"UTF-8");
String s_iso88591 = new String(b_iso88591,"ISO8859-1");
經過輸出s_gbk、s_utf8和s_iso88591,會發現s_gbk和s_utf8都是"中",而只有s_iso88591是一個不被識別的字符（能夠理解爲亂碼）,爲何使用ISO8859-1編碼再組合以後,沒法還原"中"字？緣由很簡單,由於ISO8859-1編碼的編碼表根本就不包含漢字字符,固然也就沒法經過"中".getBytes("ISO8859-1");來獲得正確的"中"字在ISO8859-1中的編碼值了,因此，再經過new String()來還原就更是無從談起。
所以,經過String.getBytes(String decode)方法來獲得byte[]時,必定要肯定decode的編碼表中確實存在String表示的碼值,這樣獲得的byte[]數組才能正確被還原。

注意：

有時候,爲了讓中文字符適應某些特殊要求(如http header要求其內容必須爲iso8859-1編碼),可能會經過將中文字符按照字節方式來編碼的狀況,如:String s_iso88591 = new String("中".getBytes("UTF-8"),"ISO8859-1"),這樣獲得的s_iso8859-1字符串實際是三個在ISO8859-1中的字符,在將這些字符傳遞到目的地後,目的地程序再經過相反的方式String s_utf8 = new String(s_iso88591.getBytes("ISO8859-1"),"UTF-8")來獲得正確的中文漢字"中"，這樣就既保證了遵照協議規定、也支持中文。