用java String類的getBytes(String charsetName)和String(byte[] bytes, String charsetName)解決亂碼問題

Java中String的數據是如何存儲的,查看源代碼就可以知道,String的數據是存儲在char[] value這樣一個成員變數中的,char類型的大小在java中是2個位元組 
我們還知道,現在普遍使用的unicode版本是UCS-2,就是使用2個位元組表示一個字元的unicode版本,這就對上了,java使用的就是UCS-2標準,所以,String中的value中存儲的都是一個個數字

比如’你’的unicode編碼是4f60,看下麵的測試代碼

char c = '你';
System.out.println(Integer.toHexString(c));
System.out.println(Integer.valueOf(c));
System.out.println(c);

結果是: 
4f60 
20320 
你

所以呢,現在我們知道了String內部其實存儲的是未經任何編碼的unicode編碼,就是那個對應字元的編碼,然後再看我們這兩個方法:

getBytes(charsetname) 
意思是根據這個編碼來獲取位元組數組 
這又是什麼意思呢? 
就是說將記憶體中的unicode編碼轉換為charsetname格式所對應的位元組數組 
比如’你’,轉換為utf-8是三個字接,所以得到的位元組數組就是三個位元組的 
即[e4 bd a0]

然後String(bytes,charsetname)呢

意思就是將bytes這個位元組數組按照charsetname解釋,組裝為一個String保存起來 
例如上面那個位元組數組[e4 bd a0],按照utf-8解釋的話,存儲起來就是”你”這個字元串,如果按照其他編碼解釋,則不會解釋為”你”

說個其他的,為什麼在servlet中處理參數一般都需要這麼一句了來控制編碼:

String str = new String(param.getBytes(“ISO-8859-1”),”UTF-8”);

其實這很好理解,瀏覽器傳過來的位元組數據是UTF-8編碼的,然後web容器預設這個位元組數據是ISO-8859-1編碼的,所以使用ISO-8859-1把這個位元組數據轉換變成了String存儲起來,相當於是進行了下麵這個操作:

String s = new String(UTF8Bytes,”ISO-8859-1”);

註意這個編碼是單位元組的,也就是將每一個位元組都轉換成了unicode編碼,幸好是這樣,使我們有機會將這個String再轉換成和原來一模一樣的位元組數組,所以才有了我們平時用的最多的那一句編碼處理的代碼

最後,想再說一下,對編碼這塊不瞭解的原因,是我們理解錯誤,我們必須知道的是:

java內部存儲字元串使用的unicode編碼 
我們通常會聽到有人說：“我需要將String由ISO-8859-1轉換為GBK編碼”，這又是怎麼回事呢？實際上，我們並不是要“將 一個由ISO-8859-1編碼的String轉換為GBK編碼的String”，反覆說明的是，JAVA中的String都是unicode編碼的，所以不存在“ISO- 8859-1編碼的String”或“GBK編碼的String”這樣的說法。而需要轉換的唯一的原因是String進行了錯誤的編碼。我們經常會碰到由ISO-8859- 1轉換為諸如GBK/UTF-8等等這樣的需求。所謂的轉換過程是：String –> byte[] –>String