查看此文章需要對字符集編碼有一定的認識：任意門：字符集編碼基礎
一、字符串的內部表示？
重點：字符串在java（指在JVM中、在內存中）中統一用unicode表示( 即utf-16 LE) , 下面解釋：
對於 String s = "你好哦!";
如果源碼文件（java文件）是GBK編碼, 操作系統（windows）默認的環境編碼為GBK，那么編譯時, JVM將 按照GBK編碼將字節數組解析成字符（系統文件本質就是二進制流），然后將字符轉換為unicode格式的字節數組，作為內部存儲。
當打印這個字符串時，JVM 根據操作系統本地的語言環境，將unicode轉換為GBK，然后操作系統將GBK格式的內容顯示出來。
當源碼文件是UTF-8, 我們需要通知編譯器源碼的格式，javac -encoding utf-8 ... , 編譯時，JVM按照utf-8 解析成字符，然后轉換為unicode格式的字節數組， 所以不論源碼文件是什么格式，同樣的字符串，最后得到的unicode字節數組是完全一致的，顯示的時候，也是轉成GBK來顯示（跟OS環境有關：OS表示操作系統）
二、亂碼如何產生？ 本質上都是由於 字符串原本的編碼格式 與 讀取時解析用的編碼格式不一致導致的。
例如：
String s = "你好哦!";
System.out.println( new String(s.getBytes(),"UTF-8")); //錯誤，因為getBytes()默認使用GBK編碼， 而解析時使用UTF-8編碼，肯定出錯。
其中 getBytes() 是將unicode 轉換為操作系統默認的格式的字節數組，即"你好哦"的 GBK格式，
new String (bytes, Charset) 中的charset 是指定讀取 bytes 的方式，這里指定為UTF-8,即把bytes的內容當做UTF-8 格式對待。
如下兩種方式都會有正確的結果，因為他們的源內容編碼和解析用的編碼是一致的。
System.out.println( new String(s.getBytes(),"GBK"));
System.out.println( new String(s.getBytes("UTF-8"),"UTF-8"));
三、如何利用getBytes 和 new String() 來進行編碼轉換呢？
網上流傳着一種錯誤的方法:
GBK--> UTF-8: new String( s.getBytes("GBK") , "UTF-8); ,這種方式是完全錯誤的，因為getBytes 的編碼與 UTF-8 不一致，肯定是亂碼。
但是為什么在tomcat 下，使用 new String(s.getBytes("iso-8859-1") ,"GBK") 卻可以用呢？ 答案是：
tomcat 默認使用iso-8859-1編碼， 也就是說，如果原本字符串是GBK的，tomcat傳輸過程中，將GBK轉成iso-8859-1了，
默認情況下，使用iso-8859-1讀取中文肯定是有問題的，那么我們需要將iso-8859-1 再轉成GBK， 而iso-8859-1 是單字節編碼的，
即他認為一個字節是一個字符， 那么這種轉換不會對原來的字節數組做任何改變，因為字節數組本來就是由單個字節組成的，
如果之前用GBK編碼，那么轉成iso-8859-1后編碼內容完全沒變， 則 s.getBytes("iso-8859-1") 實際上還是原來GBK的編碼內容
則 new String(s.getBytes("iso-8859-1") ,"GBK") 就可以正確解碼了。 所以說這是一種巧合。
四、如何正確的將GBK轉UTF-8 ? （實際上是unicode轉UTF-8)
String gbkStr = "你好哦!"; //源碼文件是GBK格式，或者這個字符串是從GBK文件中讀取出來的, JVM會把字符轉化成unicode格式
//利用getBytes將unicode字符串轉成UTF-8格式的字節數組
byte[] utf8Bytes = gbkStr.getBytes("UTF-8");
//然后用utf-8 對這個字節數組解碼成新的字符串
String utf8Str = new String(utf8Bytes, "UTF-8");
簡化后就是:
unicodeToUtf8 (String s) {
return new String( s.getBytes("utf-8") , "utf-8");
}
UTF-8 轉GBK原理也是一樣
return new String( s.getBytes("GBK") , "GBK");
其實核心工作都由 getBytes(charset) 做了。
getBytes 的JDK 描述：Encodes this String into a sequence of bytes using the named charset, storing the result into a new byte array.
另外對於讀寫文件，
OutputStreamWriter w1 = new OutputStreamWriter(new FileOutputStream("D:\\file1.txt"),"UTF-8");
InputStreamReader( stream, charset)
可以幫助我們輕松的按照指定編碼讀寫文件。