Posted on 2011-03-29 23:50
laogao 閱讀(2700)
評論(0) 編輯 收藏 所屬分類:
Computer Usage 、
On Java
今天幫同事解決一個郵件亂碼的問題，簡記于此。
郵件正文就不貼了，有一段從上下文判斷明顯應該是"上海"，卻顯示成了"涓..."，于是自然而然的拿出"上"字和"涓"字來分析。
通過簡單的Groovy腳本對這兩個漢字分別按gbk和utf-8編碼，并將得到的byte[]轉換成二進制表示輸出如下：
== 上 ==
11001001 11001111
11100100 10111000 10001010
== 涓 ==
11100100 10111000
11100110 10110110 10010011
注意"上"字的第2排前兩組和"涓"字第1排的兩組byte正好相同，于是問題迎刃而解，亂碼是由于郵件以utf-8編碼后被錯誤的以gbk解碼（隨后又重新編碼成utf-8）造成的。
關鍵代碼：
void showBytes(String input) {
println("== " + input + " ==")
b = input.getBytes("gbk")
b.each { print Integer.toBinaryString(it).substring(24) + ' ' }
println()
b = input.getBytes("utf8")
b.each { print Integer.toBinaryString(it).substring(24) + ' ' }
println()
}