Java中HTTP網絡傳輸中文編碼問題
1、java中new String(str.getBytes(“utf-8”),“iso-8859-1”)編碼詳解
前提是str存放的是漢字
-
如果是
new String(str.getBytes(“gbk”),“gbk”)時，可以分為兩步：-
第一步：
byte[] bytes=str.getBytes(“gbk”)告訴java虛擬機將中文以“gbk”的方式轉換為字節數組。一個漢字對應兩個字節.
-
String s=new String(bytes,“gbk”)// 執行后的s就是第一步的str。
-
告訴虛擬機將字節數組中的字節以“gbk”的方式將每2個字節組裝成一個漢字。此漢字s就是第一步str代表的漢字.
-
如果
new String(str.getBytes(“gbk”),“iso8859-1”)時-
對應的第二步便是：
String s=new String(bytes,“iso8859-1”)時，此時是將每1字節組裝成一個“?” 。此時的s是若干個“?”，我們可以把“?”看做是一種特殊的漢字，它代表的信息並沒有損失是可以還原回來的。
-
-
如果
new String(str.getBytes(“gbk”),“utf-8”)時-
對應的第二步便是：
String s=new String(bytes,“utf-8”)時，此時是將每3字節組裝成一個漢字。此漢字s就是第一步str代表的漢字。
-
實際的網絡傳輸的過程中，是將漢字以utf-8編碼后在網上傳輸，此種方式的好處就是節省帶寬流量。IE瀏覽器中的internet選項下高級欄中有說“總是以utf-8傳輸數據”。
注意當字節數組用iso8859-1組裝成的“?”，用utf-8編碼此特殊的漢字時就會變成2個字節。
getBytes()方法
-
在Java中,String的getBytes()方法是得到一個操作系統默認的編碼格式的字節數組。這表示在不同的操作系統下,返回的東西不一樣!
String.getBytes(Stringdecode)方法會根據指定的decode編碼返回某字符串在該編碼下的byte數組表示,如:
byte[] b_gbk = "中".getBytes("GBK");
byte[] b_utf8 = "中".getBytes("UTF-8");
byte[] b_iso88591 = "中".getBytes("ISO8859-1");
將分別返回"中"這個漢字在GBK、UTF-8和ISO8859-1編碼下的byte數組表示,此時b_gbk的長度為2,
b_utf8的長度為3,
b_iso88591的長度為1。
new String(byte[],decode)方法
-
而與getBytes相對的,可以通過new String(byte[], decode)的方式來還原這個"中"字,
這個new String(byte[],decode)實際是使用指定的編碼decode來將byte[]解析成字符串.
String s_gbk = new String(b_gbk,"GBK");
String s_utf8 = new String(b_utf8,"UTF-8");
String s_iso88591 = new String(b_iso88591,"ISO8859-1");
通過輸出s_gbk、s_utf8和s_iso88591,會發現s_gbk和s_utf8都是"中",而只有s_iso88591是一個不被識別的字符（可以理解為亂碼）,為什么使用ISO8859-1編碼再組合之后,無法還原"中"字？原因很簡單,因為ISO8859-1編碼的編碼表根本就不包含漢字字符,當然也就無法通過"中".getBytes("ISO8859-1");來得到正確的"中"字在ISO8859-1中的編碼值了,所以，再通過newString()來還原就更是無從談起。
因此,通過String.getBytes(Stringdecode)方法來得到byte[]時,一定要確定decode的編碼表中確實存在String表示的碼值,這樣得到的byte[]數組才能正確被還原。注意：
有時候,為了讓中文字符適應某些特殊要求(如httpheader要求其內容必須為iso8859-1編碼),可能會通過將中文字符按照字節方式來編碼的情況,如:
String s_iso88591 = newString("中".getBytes("UTF-8"),"ISO8859-1"),這樣得到的s_iso8859-1字符串實際是三個在ISO8859-1中的字符,在將這些字符傳遞到目的地后,目的地程序再通過相反的方式Strings_utf8 = newString(s_iso88591.getBytes("ISO8859-1"),"UTF-8")來得到正確的中文漢字"中"，這樣就既保證了遵守協議規定、也支持中文。
2、網絡請求中，中文字符的編解碼實現：URLEncoder.encode()和URLDecoder.decode()
demo
import java.io.UnsupportedEncodingException;
import java.net.URLDecoder;
import java.net.URLEncoder;
public class JavaStudy {
public static void main(String[] args) throws UnsupportedEncodingException {
//編碼
String strUTF = "上海";
String encode = URLEncoder.encode(strUTF, "utf-8");
System.out.println(encode);//%E4%B8%8A%E6%B5%B7
//解碼
String decoStr = "%E4%B8%8A%E6%B5%B7";
String decode = URLDecoder.decode(decoStr, "utf-8");
System.out.println(decode);//上海
}
}
注意事項
-
URLEncoder.encode(String s, String enc)
使用指定的編碼機制，將字符串編碼為application/x-www-form-urlencoded格式發送請求的時候使用。
URLDecoder.decode(String s, String enc)
使用指定的編碼機制，對application/x-www-form-urlencoded字符串解碼。接受請求的時候使用。
-
編碼，解碼的類型要一致。