[已注銷]

可以用類似這種的轉(zhuǎn)下

String pordName = "xxx";

prodName = new String(prodName.getBytes("UTF-8"),"GBK")

Hey 豬 

1.編碼基礎(chǔ)知識

最早的編碼是iso8859-1，和ascii編碼相似。但為了方便表示各種各樣的語言，逐漸出現(xiàn)了很多標(biāo)準(zhǔn)編碼，重要的有如下幾個。

1.
1. ISO-8859-1 通常叫做Latin-1

屬于單字節(jié)編碼，最多能表示的字符范圍是0-255，應(yīng)用于英文系列。比如，字母a的編碼為0x61=97。

很明顯，iso8859-1編碼表示的字符范圍很窄，無法表示中iso14001環(huán)境管理體系認(rèn)證符。但是，由于是單字節(jié)編碼，和計算機最基礎(chǔ)的表示單位一致，所以很多時候，仍舊使用iso8859-1編碼來表示。

而且在很多協(xié)議上，默認(rèn)使用該編碼。比如，雖然"中文"兩個字不存在iso8859-1編碼，

以gb2312編碼為例，應(yīng)該是"d6d0 cec4"兩個字符（java字符占2個字節(jié)），

使用iso8859-1編碼的時候則將它拆開為4個字節(jié)來表示："d6 d0 ce c4"（事實上，在進行存儲的時候，也是以字節(jié)為單位處理的）。

而如果是UTF編碼，則是6個字節(jié)"e4 b8 ad e6 96 87"。

很明顯，這種表示方法還需要以另一種編碼為基礎(chǔ)。

1.
2. GB2312/GBK

這就是漢字的國標(biāo)碼，專門用來表示漢字，是雙字節(jié)編碼，而英iso14001環(huán)境管理體系認(rèn)證母和iso8859-1一致（兼容iso8859-1編碼）。

其中g(shù)bk編碼能夠用來同時表示繁體字和簡體字，

而gb2312只能表示簡體字，gbk是兼容gb2312編碼的。

1.3 unicode

這是最統(tǒng)一的編碼，可以用來表示所有語言的字符，而且是定長雙字節(jié)（也有四字節(jié)的）編碼，包括英iso14001環(huán)境管理體系認(rèn)證母在內(nèi)。所以可以說它是不兼容iso8859-1編碼的，也不兼容任何編碼。不過，相對于iso8859-1編碼來說，uniocode編碼只是在前面增加了一個0字節(jié)，比如字母a為"00 61"。

需要說明的是，定長編碼便于計算機處理（注意GB2312/GBK不是定長編碼），而unicode又可以用來表示所有字符，所以在很多軟件內(nèi)部是使用unicode編碼來處理的，比如java。

1.4 UTF

考慮到unicode編碼不兼容iso8859-1編碼，而且容易占用更多的空間：因為對于英iso14001環(huán)境管理體系認(rèn)證母，unicode也需要兩個字節(jié)來表示。所以unicode不便于傳輸和存儲。因此而產(chǎn)生了utf編碼，utf編碼兼容iso8859-1編碼，同時也可以用來表示所有語言的字符，不過，utf編碼是不定長編碼，每一個字符的長度從1-6個字節(jié)不等。另外，utf編碼自帶簡單的校驗功能。一般來講，英iso14001環(huán)境管理體系認(rèn)證母都是用一個字節(jié)表示，而漢字使用三個字節(jié)。

注意，雖然說utf是為了使用更少的空間而使用的，但那只是相對于unicode編碼來說，如果已經(jīng)知道是漢字，則使用GB2312/GBK無疑是最節(jié)省的。不過另一方面，值得說明的是，雖然utf編碼對漢字使用3個字節(jié)，但即使對于漢字網(wǎng)頁，utf編碼也會比unicode編碼節(jié)省，因為網(wǎng)頁中包含了很多的英iso14001環(huán)境管理體系認(rèn)證符。

2.Unicode、UTF-8 和 ISO8859-1區(qū)別與聯(lián)系

將以"中文"兩個字為例，經(jīng)查表可以知道其

GB2312編碼是"d6d0 cec4"，

Unicode編碼為"4e2d 6587"，

UTF編碼就是"e4b8ad e69687"。

注意，這兩個字沒有iso8859-1編碼，但可以用iso8859-1編碼來表示。

2.1 Unicode與各編碼之間的直接轉(zhuǎn)換

下面以對中iso14001環(huán)境管理體系認(rèn)證符串＂a中文＂的編碼轉(zhuǎn)換為例，來了解各種編碼之間的轉(zhuǎn)換

1）Unicode和GBK

測試結(jié)果如下，每個漢字轉(zhuǎn)換為兩個字節(jié)，且是可逆的，即通過字節(jié)可以轉(zhuǎn)換回字符串

String－GBK〉ByteArray：/u0061/u4E2D/u6587（a中文）－〉0x61 0xD6 0xD0 0xCE 0xC4 ByteArray－GBK〉String：0x61 0xD6 0xD0 0xCE 0xC4－〉/u0061/u4E2D/u6587（a中文）

2）Unicode和UTF-8

測試結(jié)果如下，每個漢字轉(zhuǎn)換為三個字節(jié)，且是可逆的，即通過字節(jié)可以轉(zhuǎn)換回字符串

String－UTF-8〉ByteArray：/u0061/u4E2D/u6587（a中文）－〉0x61 0xE4 0xB8 0xAD 0xE6%0x96 0x87 ByteArray－UTF-8〉String：0x61 0xE4 0xB8 0xAD 0xE6%0x96 0x87－〉/u0061/u4E2D/u6587（a中文）

3）Unicode和ISO-8859-1

測試結(jié)果如下，當(dāng)存在漢字時轉(zhuǎn)換失敗，非可逆，即通過字節(jié)不能再轉(zhuǎn)換回字符串

String－ISO-8859-1〉ByteArray：/u0061/u4E2D/u6587（a中文）－〉0x61 0x3F 0x3F ByteArray－ISO-8859-1〉String：0x61 0x3F 0x3F－〉/u0061/u003F/u003F（a??）

2.2 Unicode與各編碼之間的交叉轉(zhuǎn)換

在上面直接轉(zhuǎn)換中，由字符串（Unicode）生成的字節(jié)數(shù)組，在構(gòu)造回字符串時，使用的是正確的編碼集合，如果使用的不是正確的編碼集合會怎樣呢？會正確構(gòu)造嗎？如果不能正確構(gòu)造能有辦法恢復(fù)嗎？會信息丟失嗎？

下面我們就來看看這種情況，這部分可以說明在某些情況下雖然我們最終正確顯示了結(jié)果，但其間仍然進行了不正確的轉(zhuǎn)換。

1）能夠正確顯示的中間不正確轉(zhuǎn)換

我們知道String－GBK〉ByteArray－GBK〉String是正確的，但如果我們采用String－GBK〉

ByteArray－ISO-8859-1〉String呢？通過測試結(jié)果如下：

String－GBK〉ByteArray－ISO-8859-1〉String：/u0061/u4E2D/u6587（a中文）－〉0x61 0xD6 0xD0 0xCE 0xC4－〉/u0061/u00D6/u00D0/u00CE/u00C4（a????

這時我們得到的字符串為？亂碼“a????”，但是通過繼續(xù)轉(zhuǎn)換我們?nèi)匀豢梢詮?fù)原回正確的字符串“a中文”，過程如下：

String－GBK〉ByteArray－ISO-8859-1〉String－ISO-8859-1〉ByteArray－GBK〉String

對應(yīng)：/u0061/u4E2D/u6587（a中文）－〉0x61 0xD6 0xD0 0xCE 0xC4－〉/u0061/u00D6/u00D0/u00CE/u00C4（a????）－〉0x61 0xD6 0xD0 0xCE 0xC4－〉/u0061/u4E2D/u6587（a中文）

也就是我們在首次構(gòu)造字符串時，我們用了錯誤的編碼集合得到了錯誤的亂碼，但是我們通過錯上加錯，再用錯誤的編碼集合獲取字節(jié)數(shù)組，然后再用正確的編碼集合構(gòu)造，就又恢復(fù)了正確的字符串。這時就屬于是“能夠正確顯示的中間不正確轉(zhuǎn)換”。在Jsp頁面提交數(shù)據(jù)處理時常常發(fā)生這種情況。

此外能夠正確顯示的中間不正確轉(zhuǎn)換還有：

String－UTF-8〉ByteArray－ISO-8859-1〉String－ISO-8859-1〉ByteArray－UTF-8〉String

和

String－UTF-8〉ByteArray－GBK〉String－GBK〉ByteArray－UTF-8〉String

對應(yīng)：/u0061/u4E2D/u6587（a中文）－〉0x61 0xE4 0xB8 0xAD 0xE6%0x96 0x87－〉/u0061/u6D93/uE15F/u6783（a涓枃）－〉0x61 0xE4 0xB8 0xAD 0xE6%0x96 0x87－〉/u0061/u4E2D/u6587（a中文）

2.3 編碼過程中錯誤診斷參考

1）一個漢字對應(yīng)一個問號

在通過ISO-8859-1從字符串獲取字節(jié)數(shù)組時，由于一個Unicode轉(zhuǎn)換成一個byte，當(dāng)遇到不認(rèn)識的Unicode時，轉(zhuǎn)換為0x3F，這樣無論用哪種編碼構(gòu)造時都會產(chǎn)生一個？亂碼。

2）一個漢字對應(yīng)兩個問號

在通過GBK從字符串獲取字節(jié)數(shù)組時，由于一個Unicode轉(zhuǎn)換成兩個byte，如果此時用ISO-8859-1或用UTF-8構(gòu)造字符串就會出現(xiàn)兩個問號。

若是通過ISO-8859-1構(gòu)造可以再通過上面所說的錯上加錯恢復(fù)（即再通過從ISO-8859-1解析，用GBK構(gòu)造）；

若是通過UTF-8構(gòu)造則會產(chǎn)生Unicode字符＂/uFFFD＂，不能恢復(fù)，若再通過String－UTF-8〉ByteArray－GBK〉String，則會出現(xiàn)雜碼，如a錕斤拷錕斤拷

3）一個漢字對應(yīng)三個問號

在通過UTF-8從字符串獲取字節(jié)數(shù)組時，由于一個

這是java字符串處理的一個標(biāo)準(zhǔn)函數(shù)，其作用是將字符串所表示的字符按照charset編碼，并以字節(jié)方式表示。注意字符串在java內(nèi)存中總是按unicode編碼存儲的。比如"中文"，正常情況下（即沒有錯誤的時候）存儲為"4e2d 6587"，如果charset為"gbk"，則被編碼為"d6d0 cec4"，然后返回字節(jié)"d6 d0 ce c4".如果charset為"utf8"則最后是"e4 b8 ad e6 96 87".如果是"iso8859-1"，則由于無法編碼，最后返回 "3f 3f"（兩個問號）。

3. java對字符的處理

在java應(yīng)用軟件中，會有多處涉及到字符集編碼，有些地方需要進行正確的設(shè)置，有些地方需要進行一定程度的處理。

3.1 getBytes(charset)

這是java字符串處理的一個標(biāo)準(zhǔn)函數(shù)，其作用是將字符串所表示的字符按照charset編碼，并以字節(jié)方式表示。

注意字符串在java內(nèi)存中總是按unicode編碼存儲的。

比如"中文"，正常情況下（即沒有錯誤的時候）存儲為"4e2d 6587"，

如果charset為"gbk"，則被編碼為"d6d0 cec4"，然后返回字節(jié)"d6 d0 ce c4"。

如果charset為"utf8"則最后是"e4 b8 ad e6 96 87"。

如果是"iso8859-1"，則由于無法編碼，最后返回 "3f 3f"（兩個問號）。

3.2 new String(charset)

這是java字符串處理的另一個標(biāo)準(zhǔn)函數(shù)，和上一個函數(shù)的作用相反，將字節(jié)數(shù)組按照charset編碼進行組合識別，最后轉(zhuǎn)換為unicode存儲。

參考上述getBytes的例子，"gbk" 和"utf8"都可以得出正確的結(jié)果"4e2d 6587"，但iso8859-1最后變成了"003f 003f"（兩個問號）。

因為utf8可以用來表示/編碼所有字符，所以new String( str.getBytes( "utf8" ), "utf8" ) === str，即完全可逆。

3.3 setCharacterEncoding()

該函數(shù)用來設(shè)置http請求或者相應(yīng)的編碼。

對于request，是指提交內(nèi)容的編碼，指定后可以通過getParameter()則直接獲得正確的字符串，如果不指定，則默認(rèn)使用iso8859-1編碼，需要進一步處理。

參見下述"表單輸入"。值得注意的是在執(zhí)行setCharacterEncoding()之前，不能執(zhí)行任何getParameter()。

java doc上說明：This method must be called prior to reading request parameters or reading input using getReader()。

該指定只對POST方法有效，對GET方法無效。分析原因:

POST方法在執(zhí)行第一個getParameter()的時候，java將會按照編碼分析所有的提交內(nèi)容，而后續(xù)的getParameter()不再進行分析，所以setCharacterEncoding()無效。

GET方法提交表單是，提交的內(nèi)容在URL中，一開始就已經(jīng)按照編碼分析所有的提交內(nèi)容，setCharacterEncoding()自然就無效。

注意：iso-8859-1是JAVA網(wǎng)絡(luò)傳輸使用的標(biāo)準(zhǔn)字符集,而gb2312是標(biāo)準(zhǔn)中iso14001環(huán)境管理體系認(rèn)證符集,當(dāng)你作出提交表單等需要網(wǎng)絡(luò)傳輸?shù)牟僮鞯臅r候,就需要把 iso-8859-1轉(zhuǎn)換為gb2312字符集顯示,否則如果按瀏覽器的gb2312格式來解釋iso-8859-1字符集的話,由于2者不兼容,所以會 是亂碼.