waysun一路陽光

最近在做一個(gè)反饋功能，把數(shù)據(jù)反饋到對方公司網(wǎng)站，我公司是GBK編碼，對方公司是UTF-8編碼。因此，我需要將GBK編碼數(shù)據(jù)轉(zhuǎn)換成UTF-8編碼數(shù)據(jù)，這樣對方網(wǎng)站才不會亂碼。最簡單的方法是將HttpClient的ContentCharset設(shè)置為utf-8；如果ContentCharset是gbk并且又不想設(shè)置為utf-8，那么就需要將數(shù)據(jù)轉(zhuǎn)換成UTF-8編碼再發(fā)到對方網(wǎng)站。

問題出現(xiàn)：GBK轉(zhuǎn)UTF-8時(shí)，奇數(shù)個(gè)中文會亂碼，偶數(shù)個(gè)中文不會亂碼。
三個(gè)中文

Java代碼  

1. public static void encodeError() throws UnsupportedEncodingException {  
2.     String gbk = "我來了";  
3.     String utf8 = new String(gbk.getBytes("UTF-8"));  
4.   
5.     //模擬UTF-8編碼的網(wǎng)站顯示  
6.     System.out.println(new String(utf8.getBytes(),"UTF-8"));  
7. }  
8. /* 
9. 我來?? 
10. */  

 前面三個(gè)中文，后面一個(gè)中文，都是奇數(shù)

Java代碼  

1. public static void encodeError2() throws UnsupportedEncodingException {  
2.     String gbk = "今年是2011年";  
3.     String utf8 = new String(gbk.getBytes("UTF-8"));  
4.   
5.     //模擬UTF-8編碼的網(wǎng)站顯示  
6.     System.out.println(new String(utf8.getBytes(),"UTF-8"));  
7. }  
8. /* 
9. 今年??011?? 
10. */  

原因：為什么只有奇數(shù)個(gè)中文才亂碼，偶數(shù)個(gè)卻不亂碼？下面來分析原因

Java代碼  

1. public static void analyze() throws UnsupportedEncodingException {  
2.     String gbk = "我來了";  
3.     String utf8 = new String(gbk.getBytes("UTF-8"));  
4.     for (byte b : gbk.getBytes("UTF-8")) {  
5.         System.out.print(b + " ");  
6.     }  
7.     System.out.println();  
8.     for (byte b : utf8.getBytes()) {  
9.         System.out.print(b + " ");  
10.     }  
11. }  
12. /* 
13. -26 -120 -111 -26 -99 -91 -28 -70 -122  
14. -26 -120 -111 -26 -99 -91 -28 -70 63  
15. */  

 注意最后一個(gè)字節(jié)不同，上面一行才是正確的UTF-8編碼。那么為什么下面一行最后一個(gè)字節(jié)是63，而不是-122呢？這就是導(dǎo)致亂碼的原因所在。
GBK編碼是一個(gè)中文2個(gè)字節(jié)，而UTF-8編碼是一個(gè)中文3個(gè)字節(jié)，當(dāng)我們調(diào)用getBytes("UTF-8")方法時(shí)，會通過計(jì)算來增加字節(jié)，使得從GBK的2個(gè)字節(jié)變成UTF-8對應(yīng)的3個(gè)字節(jié)。因此，上例3個(gè)中文輸出了9個(gè)字節(jié)。

這里講一下怎么通過計(jì)算增加字節(jié)，不深究的讀者可以跳過此段。為了醒目，直接用代碼講解

Java代碼  

1. public static void gbk2Utf() throws UnsupportedEncodingException {  
2.     String gbk = "我來了";  
3.     char[] c = gbk.toCharArray();  
4.     byte[] fullByte = new byte[3*c.length];  
5.     for (int i=0; i<c.length; i++) {  
6.         String binary = Integer.toBinaryString(c[i]);  
7.         StringBuffer sb = new StringBuffer();  
8.         int len = 16 - binary.length();  
9.         //前面補(bǔ)零  
10.         for(int j=0; j<len; j++){  
11.                 sb.append("0");  
12.             }  
13.         sb.append(binary);  
14.         //增加位，達(dá)到到24位3個(gè)字節(jié)  
15.         sb.insert(0, "1110");  
16.             sb.insert(8, "10");  
17.             sb.insert(16, "10");  
18.             fullByte[i*3] = Integer.valueOf(sb.substring(0, 8), 2).byteValue();//二進(jìn)制字符串創(chuàng)建整型  
19.             fullByte[i*3+1] = Integer.valueOf(sb.substring(8, 16), 2).byteValue();  
20.             fullByte[i*3+2] = Integer.valueOf(sb.substring(16, 24), 2).byteValue();  
21.     }  
22.     //模擬UTF-8編碼的網(wǎng)站顯示  
23.     System.out.println(new String(fullByte,"UTF-8"));  
24. }  

現(xiàn)在我們來找出最后一個(gè)字節(jié)是63，而不是-122的原因。

Java代碼  

1. public static void analyze2() throws UnsupportedEncodingException {  
2.     String gbk = "我來了";  
3.     byte[] utfBytes = gbk.getBytes("UTF-8");//得到9個(gè)字節(jié)  
4.     String utf8 = new String(utfBytes);//問題就出在這  
5.     System.out.print(utf8);  
6. }  
7. /* 
8. 鎴戞潵浜? 
9. */  

 因?yàn)槲募荊BK編碼，new String(utfBytes)默認(rèn)就是new String(utfBytes,"GBK")。它會2個(gè)字節(jié)2個(gè)字節(jié)地轉(zhuǎn)換成字符，當(dāng)字節(jié)是奇數(shù)時(shí)最后1個(gè)字節(jié)轉(zhuǎn)字符就會計(jì)算錯誤，然后直接賦予最后這個(gè)字符為?，對應(yīng)ASCII代碼就是63。

解決問題
保證字節(jié)正確才是硬道理。當(dāng)調(diào)用getBytes("UTF-8")轉(zhuǎn)換成字節(jié)數(shù)組后，創(chuàng)建ISO-8859-1編碼的字符串，ISO-8859-1編碼是一個(gè)字節(jié)對應(yīng)一個(gè)字符，因此不會使最后一個(gè)字節(jié)錯誤。

Java代碼  

1. public static void correctEncode() throws UnsupportedEncodingException {  
2.     String gbk = "我來了";  
3.     String iso = new String(gbk.getBytes("UTF-8"),"ISO-8859-1");  
4.     for (byte b : iso.getBytes("ISO-8859-1")) {  
5.         System.out.print(b + " ");  
6.     }  
7.     System.out.println();  
8.   
9.     //模擬UTF-8編碼的網(wǎng)站顯示  
10.     System.out.println(new String(iso.getBytes("ISO-8859-1"),"UTF-8"));  
11. }  
12. /* 
13. -26 -120 -111 -26 -99 -91 -28 -70 -122  
14. 我來了 
15. */