getBytes()详解.RP

Posted 2020-09-18

在java中，getBytes()方法如果不指定字符集，则得到的是一个操作系统默认的编码格式的字节数组；如果指定字符集，则得到的是在指定字符集下的字节数组，如：

byte[] b_gbk = "中".getBytes("gbk");
byte[] b_utf8 = "中".getBytes("utf-8");
byte[] b_iso88591 = "中".getBytes("iso-8859-1");

将返回"中"这个汉字分别在gbk、utf-8、iso-8859-1编码下的字节数组表示，此时b_gbk的长度为2，b_utf8的长度为3，b_iso88591的长度为1。

与getBytes()方法相反，可以通过new String(byte[], charsetName)方法用指定的字符集来还原这个"中"字，如：

String s_gbk = new String(b_gbk, "gbk");
String s_utf8 = new String(b_utf8, "utf-8");
String s_iso88591 = new String(b_iso88591, "iso-8859-1");

通过打印出s_gbk、s_utf8、s_iso88591可以看到，s_gbk和s_utf8都是"中"，而s_iso88591是一个乱码，这是因为iso-8859-1的编码表中，根本就没有包含汉字，因此"中".getBytes("iso-8859-1")得到的是"?"的字节数组表示，再通过new String(b_iso88591, "iso-8858-1")还原得到的是"?"。

有时候，为了让中文字符适应某些特殊要求(如http header要求其内容必须是iso-8859-1编码)，可能会通过将中文字符按照字节方式来编码的情况，如：

String s_iso88591 = new String("中".getBytes("utf-8"), "iso-8859-1");

这样得到的字符串s_iso88591实际上是三个在iso-8859-1中的字符，在将这些字符传送到目的地后，再通过相反的方式，即：

String s_utf8 = new String(s_iso88591.getBytes("iso-8859-1"), "utf-8");

从而得到正确的中文汉字"中"，这样就既保证了遵守协议规定，也支持了中文。

 

注：

byte[] b = "中".getBytes("utf-8");
for(int i=0; i<b.length; i++) {
　　System.out.println(b[i]);
}

输出-28 -72 -83是因为"中"的utf-8编码为三个字节，分别是E4 B8 AD，以E4为例，换成二进制即为：

1110 0100

该二进制数将以补码存储在内存中，最高位被视为符号位，因此原码是：

1110 0100(补码) -> 1001 1011(反码) -> 1001 1100(原码)

即-(16+8+4)=-28

 

文轉：http://www.cnblogs.com/kevinq/p/4909343.html