Java 字符串的编码解码

结合别人的内容和自己的理解规范地整理出，做以笔记

一、认识编码

.编码：规定每个“字符”分别用一个字节还是多个字节存储，用哪些字节来存储，这个规定就叫做“编码” 平常我们所说的“字符集”，比如：GB2312, GBK, JIS 等；

二、Java中常用的字符串的编码解码

1.将字符串转换成byte数组再恢复：

byte[] getBytes(String charsetName)

String(byte[] bytes, String charsetName)

或getBytes()

String(byte[] bytes)

2.使用String sun.misc.BASE64Encode.encode(byte[] b)

byte[] String sun.misc.BASE64Decode.decodeBuffer(String str)

将字符串转换成byte[]，再转换成ASCII码；恢复时做逆操作。

在字符串转换成byte[]时，尽量用byte[] getBytes(String charsetName)方法，解码时也用相同的charsetName做参数，如果都不charsetName可能会导致一些中文字符不能正确解码。

3.使用java.net.URLEncoder类和java.net.URLDecoder类

它有static方法将字符串转换成‘pplication/x-www-form-urlencoded'格式便于在网络中传播

形如‘%20%35'。

三、系统的了解Java对字符串的编码和解码

 1. getBytes(charset) 这是 java 字符串处理的一个标准函数，其作用是将字符串所表示的字符按照 charset 编码，并以字节方式表示。注意字符串在 java 内存中总是按 unicode 编码存储的。当Java程序从输入流、文件或字符文字量等途径获得字符串时，均会做字符编码的转换，例如InputStreamReader 的构造函数中就需要指定编码方式，而对于从文件和字符文字量中获得字符串时，均采用系统默认的编码方式对字符数据进行解码。考虑下面一段代码： String str=”中”;

① byte[] bytes = str.getBytes();

② bytes = str.getBytes(“ISO-8859-1”);

③ 语句①：将一个只含有一个字符“中”的字符串文字量赋给 String 类的一个对象 str，字符文字量“中”是按照操作系统默认编码方式进行编码，在中文 windows 系统中通常是“GBK”，“中”在GBK编码中是0xD6D0，在将该字符赋给str时，Java会对该字符串进行编码转换，即将GBK编码方式的“中”转换成Unicode编码方式的“中”，Unicode编码方式“中”的编码是0x4E2D，所以str在程序运行期间在内存中的二进制表示成16进制就是0x4E2D。语句②：获得str字符串的二进制形式。getBytes(String encoding)方法需要指定编码方式，表示获得该字符串在何种编码方式中的二进制形式。此语句中没有设置参数，表示采用操作系统默认的编码方式，即此处获得的bytes是“中”在GBK编码中的二进制形式，即bytes[0]=0xD6, bytes[1]=0xD0。语句③：该语句与语句②的区别就是指定了编码方式，此处指定的是ISO-8859-1，即通常所说的Latin-1，该编码采用8bit对字符编码，所以编码空间中只有256个字符。该编码中只包含了基本的ASCII码和一些扩展的其它西欧字符，所以该字符集中不可能包含中文的“中”字，也就是说Java虚拟机无法在ISO-8859-1编码集中找到“中”字对应的编码，针对这种情况，就只返回一个问号(?,0x3f)字符，所以此时bytes.length只有1，且bytes[0]=0x3f。

2.new String(byte[] bytes, String encoding) getBytes()方法从字符串获得二进制的字节数组。如果要从二进制的字节数组获得字符串，则就需要使用new String(byte[] bytes, String encoding)方法，该方法按照encoding编码方法对字节数组bytes中的二进制数组进行解析，生成一个新的字符串对象。

byte[] bytes = {(byte)0xD6, (byte)0xD0, (byte)0x31};

① String str = new String(bytes);

② str = new String(bytes,”ISO-8859-1”);

 ③ 语句①：定义一个字节数组。语句②：将该字节数组中的二进制数据按照默认的编码方式（GBK）编码成字符串，我们知道GBK中0xD6 0xD0表示“中”，0x31表示字符“1”（GBK兼容ASCII，但不兼容ISO-8859-1除ASCII之外的部分），所以str得到的值是“中1”。语句③：该句用ISO-8859-1编码方式对该字节数据进行编码，由于在ISO-8859-1编码方式中一个字节会被解析成一个字符，所以该字节数组会被解释成包含三个字符的字符串，但由于在ISO-8859-1编码方式中没有对应0xD6和0xD0的字符，所以前两个字符会产生两个问号，由于0x31在ISO-8859-1编码中对应字符“1”（ISO-8859-1也兼容ASCII），所以此语句得到str的值是“??1”。

 3.setCharacterEncoding() 该函数用来设置http请求或者相应的编码。对于request，是指提交内容的编码，指定后可以通过getParameter()直接获得正确的字符串，如果不指定，则默认使用iso8859-1 编码，需要进一步处理。值得注意的是在执行setCharacterEncoding()之前，不能执行任何 getParameter()。而且，该指定只对POST方法有效，对GET方法无效。分析原因，应该是在执行第一个getParameter()的时候，java将会按照编码分析所有的提交内容，而后续的getParameter()不再进行分析，所以setCharacterEncoding()无效。而对于GET方法提交表单时，提交的内容在URL中，一开始就已经按照编码分析所有的提交内容，setCharacterEncoding()自然就无效。对于response，则是指定输出内容的编码，同时，该设置会传递给浏览器，告诉浏览器输出内容所采用的编码。

 四、页面编码页面编码

页面的编码格式可以从两方面来说明：

• 一是页面本身的编码格式，即以什么编码方式保存；
• 二是客户端浏览器以什么编码格式显示页面。

1. 页面保存编码格式

1). HTML 页面的编码要看你保存文件时的编码选项，多数的网页编辑软件可以让你选择编码的类型，默认为本地编码，为了使网页减少编码的问题，最好保存为 UTF-8 编码格式。

 2). JSP 页面使用下列标签指定 JSP 源文件的编码格式，具体来说，我们在JSP源文件头上加入下面的一句即可： %@page[/email] pageEncoding="xxx"%>，xxx可以为GB2312，GBK，UTF-8（和MySQL不同，MySQL是 UTF8）等等，其默认值为ISO-8859-1。保存文件时的编码应该与xxx 一致。

2. 页面显示编码（通知客户端浏览器用什么字符集编码显示页面）

 1). 在 HTML 中设置页面显示编码方式 使用标签设置页面显示编码

2). 在 Servlet 中设置页面显示编码方式 使用 response.setContentType("text/html; charset=xxx");来指定生成的页面编码。

 3).在 JSP 中设置页面显示编码方式 使用设置页面显示编码。字符集的默认值为ISO-8859-1。

五、jsp 编译过程（以tomcat为例）

1．Tomcat 先将整个JSP页面的代码读取出来，写到一个新的JAVA文件中。在读取JSP文件时，tomcat会先去读取JSP文件的pageEncoding属性，然后按照pageEncoding指定的编码来读取JSP文件。如果pageEncoding没有指定，tomcat会使用contentType指定的字符集编码，如果contentType也没有指定，就使用默认的ISO-8859-1编码。

2．Tomcat读取完JSP文件后，会用UTF-8编码将这些内容写道一个新的文件中，然后编译。

3．当JSP文件显示的时候，会使用contentType中指定的MIME类型和charset。如果charset没有指定，就使用pageEncoding中指定的编码，如果pageEncoding也没有指定，就使用默认的ISO-8859-1编码。

六、这样使我想起之前犯的错误 原来是各自使用的编码集不相同导致的；