深入解析java String中getBytes()的編碼問題

轉載請注明出處：http://www.cnblogs.com/Joanna-Yan/p/6900536.html 

Java服務器后台在和Android端App通信時，遇到了兩端關於用MD5加密同一包含中文的字符串結果不一致的問題。

具體問題描述：

Java服務器后台和Android端AS用了同一個MD5的工具類，且兩邊項目的默認編碼都是UTF-8 ，加密純英文數字的字符串時，結果一致，對同一包含中文的字符串加密，發現結果不一樣，這是為什么呢？

工具類MD5Util代碼如下：

public class MD5Util {
    /**
     * 將byte數組轉化為16進制輸出
     * @param bytes
     * @return
     */
    public static String convertByteToHexString(byte[] bytes){
        String result="";
        for (int i = 0; i < bytes.length; i++) {
            int temp=bytes[i]&0xff;
            String tempHex=Integer.toHexString(temp);
            if(tempHex.length()<2){
                result+="0"+tempHex;
            }else{
                result+=tempHex;
            }
        }
        return result;
    }
    
    /**
     * MD5加密
     * @param message
     * @return
     * @throws UnsupportedEncodingException 
     */
    public static String md5Jdk(String message) throws UnsupportedEncodingException{
        String temp="";
        try {
            MessageDigest md5Digest=MessageDigest.getInstance("MD5");
            byte[] encodeMD5Digest=md5Digest.digest(message.getBytes());
            temp=convertByteToHexString(encodeMD5Digest);
        } catch (NoSuchAlgorithmException e) {
            e.printStackTrace();
        }
        return temp;
    }
}

 最后問題鎖定在：

IDE的項目默認編碼和平台運行環境的編碼不是一回事。

改成：message.getBytes("UTF-8");后能解決中文加密不一致的問題。

下面，就String的getBytes()方法深入了解下。

String的getBytes()方法是得到一個字符串的字節數組，但特別要注意的是，本方法將返回該操作系統默認的編碼格式的字節數組。如果你在使用這個方法時不考慮這一點，你會發現在一個平台上運行良好的系統，放到另一台機器上會產生意想不到的問題。

比如下面的程序：

public class TestCharset {
    public static void main(String[] args) { 
        new TestCharset().execute(); 
    } 
    
    private void execute() { 
        String s = "Hello!你好！"; 
        byte[] bytes = s.getBytes();
        System.out.println("bytes lenght is:" + bytes.length); 
    } 
}

在一個中文WindowsXP系統下，運行時，結果為：

bytes lenght is:12

但是如果放到了一個英文的UNIX環境下運行：

$ java TestCharset bytes lenght is:9

如果你的程序依賴於該結果，將在后續操作中引起問題。為什么在一個系統中結果為12，而在另外一個卻變成了9？上面已經提到了，該方法是和平台（編碼）相關的。

在中文操作系統中，getBytes方法返回的是一個GBK或GB2313的中文編碼的字節數組，其中中文字符各占兩個字節。而在英文平台中，一般的默認編碼是“ISO-8859-1”，每個字符都只取一個字節（而不管是否非拉丁字符）。

Java中的編碼支持

Java是支持多國編碼的，在Java中，字符都是以Unicode進行存儲的，比如，“你”字的Unicode編碼是“4f60”，我們可以通過下面的實驗代碼來驗證：

public class TestCharset { 
    public static void main(String[] args) { 
        char c = '你'; 
        int i = c; 
        System.out.println(c); 
        System.out.println(i); 
    } 
}

不管你在任何平台上執行，都會有相同的輸出：

20320

20320就是Unicode “4f60”的整數值。其實，你可以反編譯上面的類，可以發現在生產的.calss文件中字符“你”（或者其它任何中文字串）本身就是以Unicode編碼進行存儲的：

char c = '/u4F60'; ... ...

即使你知道了編碼的編碼格式，比如：

javac -encoding GBK TestCharset.java

編譯后生成的.class文件中仍然是以Unicode格式存儲中文字符或字符串的。

所以。為了避免這種問題，建議大家都在編碼中使用String.getBytes(String charset)方法。

下面我們將從字串分別提取ISO-8859-1和GBK兩種編碼格式的字節數組，看看會有什么結果：

public class TestCharset {  
    public static void main(String[] args) {  
        new TestCharset().execute();  
    }  
  
    private void execute() {  
        String s = "Hello!你好！";  
        byte[] bytesISO8859 = null;  
        byte[] bytesGBK = null;  
        try {  
            bytesISO8859 = s.getBytes("iso-8859-1");  
            bytesGBK = s.getBytes("GBK");  
        } catch (java.io.UnsupportedEncodingException e) {  
            e.printStackTrace();  
        }  
        System.out.println("-------------- /n 8859 bytes:");  
        System.out.println("bytes is: " + arrayToString(bytesISO8859));  
        System.out.println("hex format is:" + encodeHex(bytesISO8859));  
        System.out.println();  
        System.out.println("-------------- /n GBK bytes:");  
        System.out.println("bytes is: " + arrayToString(bytesGBK));  
        System.out.println("hex format is:" + encodeHex(bytesGBK));  
    }  
  
    public static final String encodeHex(byte[] bytes) {  
        StringBuffer buff = new StringBuffer(bytes.length * 2);  
        String b;  
        for (int i = 0; i < bytes.length; i++) {  
            b = Integer.toHexString(bytes[i]);  
            // byte是兩個字節的， 而上面的Integer.toHexString會把字節擴展為4個字節  
            buff.append(b.length() > 2 ? b.substring(6, 8) : b);  
            buff.append(" ");  
        }  
        return buff.toString();  
    }  
  
    public static final String arrayToString(byte[] bytes) {  
        StringBuffer buff = new StringBuffer();  
        for (int i = 0; i < bytes.length; i++) {  
            buff.append(bytes[i] + " ");  
        }  
        return buff.toString();  
    }  
} 

執行結果：

-------------- /n 8859 bytes:
bytes is: 72 101 108 108 111 33 63 63 63 
hex format is:48 65 6c 6c 6f 21 3f 3f 3f 

-------------- /n GBK bytes:
bytes is: 72 101 108 108 111 33 -60 -29 -70 -61 -93 -95 
hex format is:48 65 6c 6c 6f 21 c4 e3 ba c3 a3 a1 

可見，在s中提取的8859-1格式的字節數組長度為9，中文字符都變成了“63”，ASCII碼為63的是“？”，一些國外的程序在國內中文環境下運行時，經常會出現亂碼，上面布滿了“？”，就是因為編碼沒有進行正確處理的結果。

而提取的GBK編碼的字節數組中正確得到了中文字符的GBK編碼。字符“你”、“好”、“！”的GBK編碼分別是：“c4e3”、“bac3”、“a3a1”。得到了正確的以GBK編碼的字節數組，以后需要還原為中文字串時，可以使用下面方法：

new String(byte[] bytes, String charset)

 如果此文對您有幫助，微信打賞我一下吧~