semovy

首先看清楚幾種常用的字符集編碼(java語言是采用unicode字符集編碼來表示字符與字符串的)：

　　ASCII(American Standard Code for Information Interchange，美國信息互換標(biāo)準(zhǔn)代碼)，是基于常用的英文字符的一套電腦編碼系統(tǒng)。我們知道英文中經(jīng)常使用的字符、數(shù)字符號被計(jì)算機(jī)處理時都是以二進(jìn)制碼的形式出現(xiàn)的。這種二進(jìn)制碼的集合就是所謂的ASCII碼。每一個ASCII碼與一個8位（bit）二進(jìn)制數(shù)對應(yīng)。其最高位是0，相應(yīng)的十進(jìn)制數(shù)是0-127。如，數(shù)字“0”的編碼用十進(jìn)制數(shù)表示就是48。另有128個擴(kuò)展的ASCII碼，最高位都是1，由一些制表符和其它符號組成。ASCII是現(xiàn)今最通用的單字節(jié)編碼系統(tǒng)。

　　GB2312：GB2312碼是中華人民共和國國家漢字信息交換用編碼，全稱《信息交換用漢字編碼字符集－基本集》。主要用于給每一個中文字符指定相應(yīng)的數(shù)字，也就是進(jìn)行編碼。一個中文字符用兩個字節(jié)的數(shù)字來表示，為了和ASCII碼有所區(qū)別，將中文字符每一個字節(jié)的最高位置都用1來表示。

　　GBK：為了對更多的字符進(jìn)行編碼，國家又發(fā)布了新的編碼系統(tǒng)GBK(GBK的K是“擴(kuò)展”的漢語拼音第一個字母)。在新的編碼系統(tǒng)里，除了完全兼容GB2312 外，還對繁體中文、一些不常用的漢字和許多符號進(jìn)行了編碼。

　　ISO-8859-1：是西方國家所使用的字符編碼集，是一種單字節(jié)的字符集 ，而英文實(shí)際上只用了其中數(shù)字小于128的部分。

　　Unicode：這是一種通用的字符集，對所有語言的文字進(jìn)行了統(tǒng)一編碼，對每一個字符都用2個字節(jié)來表示，對于英文字符采取前面加“0”字節(jié)的策略實(shí)現(xiàn)等長兼容。如 “a” 的ASCII碼為0x61，UNICODE就為0x00，0x61。

　　UTF-8：Eight-bit UCS Transformation Format，(UCS，Universal Character Set，通用字符集，UCS 是所有其他字符集標(biāo)準(zhǔn)的一個超集)。一個7位的ASCII碼值，對應(yīng)的UTF碼是一個字節(jié)。如果字符是0x0000，或在0x0080與0x007f之間，對應(yīng)的UTF碼是兩個字節(jié)，如果字符在0x0800與0xffff之間，對應(yīng)的UTF碼是三個字節(jié)。

　　我們運(yùn)行java程序時，JVM有自己所支持的編碼種類，用以下代碼可以看到：

　　 然后可以通過以下代碼看到我們目前JVM所使用的編碼：

　　具體來說什么是編碼，什么是解碼？
　　在InputStreamReader JDK有這樣描述：It reads bytes and decodes them into characters using a specified charset.(用指定的字符集將字節(jié)數(shù)組解碼成字符串)。
　　相反OutputStreamWriter 描述：Characters written to it are encoded into bytes using a specified charset.(用指定的字符集將字符串編碼成字節(jié)數(shù)組)。

　　理解這個以后一切好辦了啦！

　　我們的OS一般是GBK編碼的（凡是從磁盤上讀取文件可以看成是用OS的字符集編碼方式來對操作對象進(jìn)行解碼處理--從標(biāo)準(zhǔn)輸入設(shè)備讀取數(shù)據(jù)的時候是依賴OS的字符集）。而我們將從磁盤上文件經(jīng)過處理得到我們想要的字符串等其它對象的時候，這一過程是用JVM的默認(rèn)的字符集編碼方式來處理的！由于不同的字符集編碼方式有著不同的原理(前面所述)，這樣當(dāng)編碼與解碼不一致的時候，自然而然就出現(xiàn)了可愛的亂碼。

　　比如如下，將我們JVM字符集改成iso-8859-1這樣在就與我們的OS不同：
　　當(dāng)輸入中文時自然就輸出的是亂碼了。

　
　　這時我們可以用string的一個構(gòu)造方法：
　　String(byt[] bytes, String charsetName)
　　Constructs a new String by decoding the specified array of bytes using the specified charset.(用指定的字符集對字節(jié)數(shù)組進(jìn)行解碼)。
　　其中用到了string 的getBytes方法：
　　getBytes(String charsetName)
　　Encodes this String into a sequence of bytes using the named charset, storing the result into a new byte array.(用指定的字符集進(jìn)行編碼，將結(jié)果存放到一字節(jié)數(shù)組里面)重新構(gòu)造一個string：

　　這樣又可以重新得到我們想要的漢字了。

　　我們這例子中是GBK(OS)來編碼的，然后采用iso-8859-1(JVM)來解碼得到一個新string(此string是亂碼)，然后將此string用iso-8859-1重新編碼，并且用指定的GBK來解碼。得到一個新string(也就是strGBK)，這個string就不再是亂碼了。

　　但如果我們一開始就采用GBK解碼得到的字符串，然后用ISO-8859-1編碼，能否再解碼回去得到我們的中文字符呢？顯示不可以啦，因?yàn)橛肐SO-8859-1的編碼的時候采用是一種單字節(jié)的字符集來對其編碼，這樣就丟失了一個字節(jié)(對中文來說)！所以這樣是得不到中文字符的！