在上篇博客中LZ闡述了java各個(gè)渠道轉(zhuǎn)碼的過程，闡述了java在運(yùn)行過程中那些步驟在進(jìn)行轉(zhuǎn)碼，在這些轉(zhuǎn)碼過程中如果一處出現(xiàn)問題就很有可能會產(chǎn)生亂碼！下面LZ就講述java在轉(zhuǎn)碼過程中是如何來進(jìn)行編碼和解碼操作的。
在上篇博客中LZ闡述了三個(gè)渠道的編碼轉(zhuǎn)換過程，下面LZ將結(jié)束java在那些場合需要進(jìn)行編碼和解碼操作，并詳序中間的過程，進(jìn)一步掌握java的編碼和解碼過程。在java中主要有四個(gè)場景需要進(jìn)行編碼解碼操作：
1：I/O操作
2：內(nèi)存
3：數(shù)據(jù)庫
4：javaWeb
下面主要介紹前面兩種場景，數(shù)據(jù)庫部分只要設(shè)置正確編碼格式就不會有什么問題，javaWeb場景過多需要了解URL、get、POST的編碼，servlet的解碼，所以javaWeb場景下節(jié)LZ介紹。
在前面LZ就提過亂碼問題無非就是轉(zhuǎn)碼過程中編碼格式的不統(tǒng)一產(chǎn)生的，比如編碼時(shí)采用UTF-8，解碼采用GBK，但最根本的原因是字符到字節(jié)或者字節(jié)到字符的轉(zhuǎn)換出問題了，而這中情況的轉(zhuǎn)換最主要的場景就是I/O操作的時(shí)候。當(dāng)然I/O操作主要包括網(wǎng)絡(luò)I/O（也就是javaWeb）和磁盤I/O。網(wǎng)絡(luò)I/O下節(jié)介紹。
首先我們先看I/O的編碼操作。
http://wiki.jikexueyuan.com/project/java-chinese-garbled-solution/images/5.1.png" alt="" />
InputStream為字節(jié)輸入流的所有類的超類，Reader為讀取字符流的抽象類。java讀取文件的方式分為按字節(jié)流讀取和按字符流讀取，其中InputStream、Reader是這兩種讀取方式的超類。
我們一般都是使用InputStream.read()方法在數(shù)據(jù)流中讀取字節(jié)（read()每次都只讀取一個(gè)字節(jié)，效率非常慢，我們一般都是使用read(byte[])），然后保存在一個(gè)byte[]數(shù)組中，最后轉(zhuǎn)換為String。在我們讀取文件時(shí)，讀取字節(jié)的編碼取決于文件所使用的編碼格式，而在轉(zhuǎn)換為String過程中也會涉及到編碼的問題，如果兩者之間的編碼格式不同可能會出現(xiàn)問題。例如存在一個(gè)問題test.txt編碼格式為UTF-8，那么通過字節(jié)流讀取文件時(shí)所獲得的數(shù)據(jù)流編碼格式就是UTF-8，而我們在轉(zhuǎn)化成String過程中如果不指定編碼格式，則默認(rèn)使用系統(tǒng)編碼格式（GBK）來解碼操作，由于兩者編碼格式不一致，那么在構(gòu)造String過程肯定會產(chǎn)生亂碼，如下：
File file = new File("C:\\test.txt");
InputStream input = new FileInputStream(file);
StringBuffer buffer = new StringBuffer();
byte[] bytes = new byte[1024];
for(int n ; (n = input.read(bytes))!=-1 ; ){
buffer.append(new String(bytes,0,n));
}
System.out.println(buffer);輸出結(jié)果：锘挎垜鏄?cm
test.txt中的內(nèi)容為：我是 cm。
要想不出現(xiàn)亂碼，在構(gòu)造String過程中指定編碼格式，使得編碼解碼時(shí)兩者編碼格式保持一致即可：
buffer.append(new String(bytes,0,n,"UTF-8"));其實(shí)字符流可以看做是一種包裝流，它的底層還是采用字節(jié)流來讀取字節(jié)，然后它使用指定的編碼方式將讀取字節(jié)解碼為字符。在java中Reader是讀取字符流的超類。所以從底層上來看按字節(jié)讀取文件和按字符讀取沒什么區(qū)別。在讀取的時(shí)候字符讀取每次是讀取留個(gè)字節(jié)，字節(jié)流每次讀取一個(gè)字節(jié)。
字節(jié)轉(zhuǎn)換為字符一定少不了InputStreamReader。API解釋如下：InputStreamReader 是字節(jié)流通向字符流的橋梁：它使用指定的 charset 讀取字節(jié)并將其解碼為字符。它使用的字符集可以由名稱指定或顯式給定，或者可以接受平臺默認(rèn)的字符集。 每次調(diào)用 InputStreamReader 中的一個(gè) read() 方法都會導(dǎo)致從底層輸入流讀取一個(gè)或多個(gè)字節(jié)。要啟用從字節(jié)到字符的有效轉(zhuǎn)換，可以提前從底層流讀取更多的字節(jié)，使其超過滿足當(dāng)前讀取操作所需的字節(jié)。API解釋非常清楚，InputStreamReader在底層讀取文件時(shí)仍然采用字節(jié)讀取，讀取字節(jié)后它需要根據(jù)一個(gè)指定的編碼格式來解析為字符，如果沒有指定編碼格式則采用系統(tǒng)默認(rèn)編碼格式。
String file = "C:\\test.txt";
String charset = "UTF-8";
// 寫字符換轉(zhuǎn)成字節(jié)流
FileOutputStream outputStream = new FileOutputStream(file);
OutputStreamWriter writer = new OutputStreamWriter(outputStream, charset);
try {
writer.write("我是 cm");
} finally {
writer.close();
}
// 讀取字節(jié)轉(zhuǎn)換成字符
FileInputStream inputStream = new FileInputStream(file);
InputStreamReader reader = new InputStreamReader(
inputStream, charset);
StringBuffer buffer = new StringBuffer();
char[] buf = new char[64];
int count = 0;
try {
while ((count = reader.read(buf)) != -1) {
buffer.append(buf, 0, count);
}
} finally {
reader.close();
}
System.out.println(buffer);首先我們看下面這段簡單的代碼
String s = "我是 cm";
byte[] bytes = s.getBytes();
String s1 = new String(bytes,"GBK");
String s2 = new String(bytes);在這段代碼中我們看到了三處編碼轉(zhuǎn)換過程（一次編碼，兩次解碼）。先看String.getTytes():
public byte[] getBytes() {
return StringCoding.encode(value, 0, value.length);
}內(nèi)部調(diào)用StringCoding.encode()方法操作：
static byte[] encode(char[] ca, int off, int len) {
String csn = Charset.defaultCharset().name();
try {
// use charset name encode() variant which provides caching.
return encode(csn, ca, off, len);
} catch (UnsupportedEncodingException x) {
warnUnsupportedCharset(csn);
}
try {
return encode("ISO-8859-1", ca, off, len);
} catch (UnsupportedEncodingException x) {
// If this code is hit during VM initialization, MessageUtils is
// the only way we will be able to get any kind of error message.
MessageUtils.err("ISO-8859-1 charset not available: "
+ x.toString());
// If we can not find ISO-8859-1 (a required encoding) then things
// are seriously wrong with the installation.
System.exit(1);
return null;
}
}encode(char[] paramArrayOfChar, int paramInt1, int paramInt2)方法首先調(diào)用系統(tǒng)的默認(rèn)編碼格式，如果沒有指定編碼格式則默認(rèn)使用ISO-8859-1編碼格式進(jìn)行編碼操作，進(jìn)一步深入如下：
String csn = (charsetName == null) ? "ISO-8859-1" : charsetName;同樣的方法可以看到new String 的構(gòu)造函數(shù)內(nèi)部是調(diào)用
StringCoding.decode()方法：
public String(byte bytes[], int offset, int length, Charset charset) {
if (charset == null)
throw new NullPointerException("charset");
checkBounds(bytes, offset, length);
this.value = StringCoding.decode(charset, bytes, offset, length);
}decode方法和encode對編碼格式的處理是一樣的。
對于以上兩種情況我們只需要設(shè)置統(tǒng)一的編碼格式一般都不會產(chǎn)生亂碼問題。
首先先看看java編碼類圖[1]
http://wiki.jikexueyuan.com/project/java-chinese-garbled-solution/images/5.2.jpg" alt="" />
首先根據(jù)指定的chart設(shè)置ChartSet類，然后根據(jù)ChartSet創(chuàng)建ChartSetEncoder對象，最后再調(diào)用 CharsetEncoder.encode 對字符串進(jìn)行編碼，不同的編碼類型都會對應(yīng)到一個(gè)類中，實(shí)際的編碼過程是在這些類中完成的。下面時(shí)序圖展示詳細(xì)的編碼過程：
http://wiki.jikexueyuan.com/project/java-chinese-garbled-solution/images/5.3.jpg" alt="" />
通過這編碼的類圖和時(shí)序圖可以了解編碼的詳細(xì)過程。下面將通過一段簡單的代碼對ISO-8859-1、GBK、UTF-8編碼
public class Test02 {
public static void main(String[] args) throws UnsupportedEncodingException {
String string = "我是 cm";
Test02.printChart(string.toCharArray());
Test02.printChart(string.getBytes("ISO-8859-1"));
Test02.printChart(string.getBytes("GBK"));
Test02.printChart(string.getBytes("UTF-8"));
}
/**
* char轉(zhuǎn)換為16進(jìn)制
*/
public static void printChart(char[] chars){
for(int i = 0 ; i < chars.length ; i++){
System.out.print(Integer.toHexString(chars[i]) + " ");
}
System.out.println("");
}
/**
* byte轉(zhuǎn)換為16進(jìn)制
*/
public static void printChart(byte[] bytes){
for(int i = 0 ; i < bytes.length ; i++){
String hex = Integer.toHexString(bytes[i] & 0xFF);
if (hex.length() == 1) {
hex = '0' + hex;
}
System.out.print(hex.toUpperCase() + " ");
}
System.out.println("");
}
}
-------------------------outPut:
6211 662f 20 63 6d
3F 3F 20 63 6D
CE D2 CA C7 20 63 6D
E6 88 91 E6 98 AF 20 63 6D通過程序我們可以看到“我是 cm”的結(jié)果為：
char[]：6211 662f 20 63 6d
ISO-8859-1：3F 3F 20 63 6D GBK：CE D2 CA C7 20 63 6D UTF-8：E6 88 91 E6 98 AF 20 63 6D
圖如下：
http://wiki.jikexueyuan.com/project/java-chinese-garbled-solution/images/5.4.png" alt="" />
對于這兩種場景我們只需要設(shè)置一致正確的編碼一般都不會產(chǎn)生亂碼問題，通過LZ上面的闡述對于java編碼解碼的過程應(yīng)該會有一個(gè)比較清楚的認(rèn)識。其實(shí)在java中產(chǎn)生亂碼的主要場景是在javaWeb中，所以LZ下篇博文就來講解javaWeb中的亂碼產(chǎn)生情形。
1、Java 編程技術(shù)中漢字問題的分析及解決：http://www.ibm.com/developerworks/cn/java/java_chinese/。
掃碼關(guān)注鍍金池微信號
手機(jī)訂課，優(yōu)惠多多