（1015）编码转换，怎样将GB2312 编码的字符串转换为ISO-8859-1 编码的字符串【基础】_二进制能转为iso-8859-5_binggoling的博客

link之家

链接快照平台

输入网页链接，自动生成快照
标签化管理网页链接

解析什么是UTF-8 GBK UTF8 GB2312

UTF-8： Unicode TransformationFormat-8bit，允许含BOM，但通常不含BOM。是用以解决国际上字符的一种多字节编码，它对英文使用8位（即一个字节），中文使用24为（三个字节）来编码。UTF-8包含全世界所有国家需要用到的字符，是国际编码，通用性强。UTF-8编码的文字可以在各国支持UTF8字符集的浏览器上显示。如，如果是UTF8编码，则在外国人的英文IE上也能显示中文，他们无需下载IE的中文语言支持包。

GBK 是国家标准GB2312基础上扩容后兼容GB2312的标准。GBK的文字编码是用双字节来表示的，即不论中、英文字符均使用双字节来表示，为了区分中文，将其最高位都设定成 1 。GBK包含全部中文字符，是国家编码，通用性比UTF8差，不过UTF8占用的数据库比GBK大。

GBK、GB2312等与UTF8之间都必须通过Unicode编码才能相互转换：

GBK、GB2312–>Unicode–>UTF8

UTF8–>Unicode–>GBK、GB2312

1，Java编译器（即编译成class文件时）用的是 unicod e字符集。

2，乱码主要是由于不同的字符集相互转换导致的，理论上各个字符的编码规则是不同的，是不能相互转换的，所以根本解决乱码的方法就是不要转换编码方式，编码方式前后统一。

3， ASCII、GB2312、GBK、GB18030、Big5、Unicode 都是字符集的名称。它们定义了采用1~2个字节的编码规范，为每个字符赋予了一个独一无二的编号。这个编号就是我们所说的“字符编码”。

4, Unicode 字符集定义的字符编码并不适合直接通过网络传输表达，因为它们必须转换成像0101这样的二进制字节流传输。所以就出现了不同的转换规范实现方式：UTF-8，TF-16等。这些不同的转换规范转换后的编码值和Unicode是不同的.（unicode是字符集，编码实现是utf-8，utf-16等，unicode到utf-8是有算法的，有统一的规则，但unicode和gbk等其他的编码方式是没有直接联系的不能转换）。

5,不要轻易地使用或滥用String类的getBytes(encoding)方法，更要尽量避免使用getBytes()方法。因为这个方法是平台依赖的，在平台不可预知的情况下完全可能得到不同的结果。如果一定要进行字节编码，则用户要确保encoding的方法就是当初字符串输入时的encoding(即知道以前的编码)。

6, http://825635381.iteye.com/blog/2087380（java 默认的Unicode和外部资源编码的理解）

new String(input.getBytes("ISO-8859-1"), "GB18030")
上面这段代码代表什么？有人会说： “把input字符串从ISO-8859-1编码方式转换成GB18030编码方式”。
 如果这种说法正确，那么又如何解释我们刚提到的java字符串都采用unicode编码呢？ 这种说法不仅是欠妥的，而且是大错特错的，让我们一一来分析，其实事实是这样的：我们本应该用GB18030的编码来读取数据并解码成字符串，但结果却采用了ISO-8859-1的编码，导致生成一个错误的字符串。要恢复，就要先把字符串恢复成原始字节数组，然后通过正确的编码GB18030再次解码成字符串（即把以GB18030编码的数据转成unicode的字符串）。注意，字符串永远都是unicode编码的。 但编码转换并不是负负得正那么简单，这里我们之所以可以正确地转换回来，是因为 ISO8859-1 是单字节编码，所以每个字节被按照原样 转换为 String ，也就是说，虽然这是一个错误的转换，但编码没有改变，所以我们仍然有机会把编码转换回来 
所以，我们在处理java的编码问题时，要分清楚三个概念：Java采用的编码：unicode，JVM平台默认字符 集和外部资源的编码 
7，假如我们需要从磁盘文件、数据库记录、网络传输一些字符，保存到Java的变量中，要经历由bytes–>encode字符–>Unicode字符的转换(例如new String(bytes, encode))；而要把Java变量保存到文件、数据库或者通过网络传输，系统要做一个Unicode字符–>encode字符–>bytes的转换(例如String.getBytes([encode])) 
8,前面提到从ASCII、GB2312、GBK到GB18030的编码方法是向下兼容的。而Unicode只与ASCII兼容（更准确地说，是与ISO-8859-1兼容），与GB码不兼容。例如“汉”字的Unicode编码是6C49，而GB码是BABA。(简单来说有两大阵营ANSI和unicode不能相互转换除了ISO-8859-1，因为他有单字节的特殊性) 
String name = "我来了"；
String str = new String(name.getBytes("x"),"xxx")；
不管jvm这里默认的编码是GBK还是UTF-8还是其他编码，name.getBytes(“x”)java都会自动帮你转成Unicode编码，然后再以x的编码方式转成xxx的编码字符集。 
例如：如何GbK转成UTF-8，真正的核心问题是GBK怎么转成unicode（无法直接转只能找GBK和unicode对照表），转成unicode以后转utf-8就好转了（因为有规律）。java特殊因为java 字符串都是默认unicode的（生产的class文件都是 unicode字符集），所以无论你name.getBytes(“xx”)是什么编码得到的unicode值都是unicode字符集的正确值。（既然java字符默认都转成了unicode那么为什么GBK转UTF-8为什么还是乱码？java都做到默认转unicode编码了可以实现不乱码了，不知内部为什么？），所有有人在java语言中也有实现GBK转UTF-8，其实就是直接unicode转utf-8。 
例子说明：
 
在Java中，String的getBytes()方法是得到一个操作系统默认的编码格式的字节数组。这个表示在不同情况下，返回的东西不一样！ 
String.getBytes(String decode)方法会根据指定的decode编码返回某字符串在该编码下的byte数组表示，如： 
byte[] b_gbk = "深".getBytes("GBK");   //b_gbk的长度为2
byte[] b_utf8 = "深".getBytes("UTF-8");   //b_utf8的长度为3
byte[] b_iso88591 = "深".getBytes("ISO8859-1");//   b_iso88591的长度为1
byte[] b_unicode = "深".getBytes("unicode");  //b_unicode长度为4
将分别返回“深”这个汉字在GBK、UTF-8、ISO8859-1和unicode编码下的byte数组表示，此时b_gbk的长度为2，b_utf8的长度为3，b_iso88591的长度为1，unicode为4。 
而与getBytes相对的，可以通过new String(byte[], decode)的方式来还原这个“深”字时，这个new String(byte[], decode)实际是使用decode指定的编码来将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");   
String s_unicode = new String(b_unicode, "unicode");
通过打印s_gbk、s_utf8、s_iso88591和unicode，会发现，s_gbk、s_utf8和unicode都是“深”，而只有s_iso88591是一个不认识的字符，为什么使用ISO8859-1编码再组合之后，无法还原“深”字呢，其实原因很简单，因为ISO8859-1编码的编码表中，根本就没有包含汉字字符，当然也就无法通过"深".getBytes(“ISO8859-1”);来得到正确的“深”字在ISO8859-1中的编码值了，所以再通过new String()来还原就无从谈起了。 
因此，通过String.getBytes(String decode)方法来得到byte[]时，一定要确定decode的编码表中确实存在String表示的码值，这样得到的byte[]数组才能正确被还原。 
有时候，为了让中文字符适应某些特殊要求（如http header头要求其内容必须为iso8859-1编码），可能会通过将中文字符按照字节方式来编码的情况，如 
String s_iso88591 = new String("深".getBytes("UTF-8"),"ISO8859-1")，
这样得到的s_iso8859-1字符串实际是三个在 ISO8859-1中的字符，在将这些字符传递到目的地后，目的地程序再通过相反的方式 String s_utf8 = new String(s_iso88591.getBytes(“ISO8859-1”),“UTF-8”) 来得到正确的中文汉字“深”。这样就既保证了遵守协议规定、也支持中文。 
同样，在开发会检查字符长度，以免数据库字段的长度不够而报错，考虑到中英文的差异，肯定不能用String.length()方法判断,而需采用String.getBytes().length ; 
而这方法将返回该操作系统默认的编码格式的字节数组。如字符串“Hello!你好！”，在一个中文WindowsXP系统下，结果为12，而在英文的UNIX环境下，结果将为9。 
因为该方法和平台（编码）相关的。 
在中文操作系统中，getBytes方法返回的是一个GBK或者GB2312的中文编码的字节数组，其中中文字符，各占两个字节。 
而在英文平台中，一般的默认编码是"ISO-8859-1",每个字符都只取一个字节（而不管是否非拉丁字符）。所以在这种情况下，应该给其传入字符编码字符串，即String.getBytes(“GBK”).length。 
二、main方法测试
 
public static void main(String[] args) {
        String testData = "123abc数据";
        //此次测试前提：参数包含中文
        testU8(testData);//UTF_8-String：123abc数据
        testIso(testData);//ISO_8859_1-String：123abc??
        testChineseTrue(testData);//test3-String：123abc数据
        testChineseFalse(testData);//test4-String：123abc??
     * 正常返回：UTF_8-String：123abc数据
     * @param testdata
    public static void testU8(String testdata){
        byte[] bytes = testdata.getBytes(CharsetUtil.UTF_8);
        String result = new String(bytes,CharsetUtil.UTF_8);
        System.out.println("UTF_8-String："+result);
     * 返回有乱码：123abc??
     * 原因：ISO8859-1编码的编码表中，根本就没有包含汉字字符。
     * @param testdata
    public static void testIso(String testdata){
        byte[] bytes = testdata.getBytes(CharsetUtil.ISO_8859_1);
        String result = new String(bytes,CharsetUtil.ISO_8859_1);
        System.out.println("ISO_8859_1-String："+result);
     * 返回：123abc数据
     * 通过String.getBytes(String decode)方法来得到byte[]时，一定要确定decode的编码表中确实存在String表示的码值。
     * gbk/utf-8都可以
     * @param testdata
    public static void testChineseTrue(String testdata){
        Object message = null;
        message = new String(testdata.getBytes(CharsetUtil.GBK),CharsetUtil.ISO_8859_1);
        String returnData = message.toString();
        byte[] xmlByte =returnData.getBytes(CharsetUtil.ISO_8859_1);
        String xml = "";
        xml = new String(xmlByte,CharsetUtil.GBK);
        System.out.println("test3-String："+xml);
     * 当传入的参数包含中文时，执行该方法出现乱码。 返回：test4-String：123abc??
     * 原因：通过String.getBytes(String decode)方法来得到byte[]时，一定要确定decode的编码表中确实存在String表示的码值。
     * 而ISO8859-1编码的编码表中，根本就没有包含汉字字符。
     * @param testdata
    public static void testChineseFalse(String testdata){
        Object message = null;
        message = new String(testdata.getBytes(CharsetUtil.ISO_8859_1),CharsetUtil.GBK);
        String returnData = message.toString();
        byte[] xmlByte =returnData.getBytes(CharsetUtil.GBK);
        String xml = "";
        xml = new String(xmlByte,CharsetUtil.ISO_8859_1);
        System.out.println("test4-String："+xml);
三、本地代码解析：
 
//将接收到的message编码后传送给后台
    public ChannelBuffer encode(Object message) throws TransportCodecException {
            //message虽说是Object类型，看不到具体类型，但debug知道其数据格式为byte[]，字节数组形式，可以强转为byte[]，然后再通过New String(byte[],charset)方法将byte[]转换为String类型
            //因为不确定接收到的message是什么编码格式，这里会统一转成gbk编码。
            message = new String((byte[])message,CharsetUtil.GBK);
            String gbkMessage = message.toString();
            //当计算字段长度时，由于中英文的差异，肯定不能用String.length()方法判断,而需采用String.getBytes().length;
            byte[] arrayOfByte = gbkMessage.getBytes(CharsetUtil.GBK);
            String requestByte = String.valueOf(arrayOfByte.length);
            String request = StringUtils.leftPad(requestByte,6,"0") + gbkMessage;
            LogConsole.info("xxx request message: " + request);
            return ChannelBuffers.copiedBuffer(request.getBytes(CharsetUtil.GBK)); //
        catch(Exception e){
        return null;
    //解析接收后台的报文，后台中文是用utf-8编码的，然后整体用iso再封一次。
    //所以我们接收到后，会先用iso解下，decode方法返回的数据格式是byte[]，再通过new String(xmlByte,CharsetUtil.UTF_8)将其按照utf-8解析。
    public Object decode(ChannelBuffer buffer) throws TransportCodecException {
        //ChannelBuffer该类型是本系统自己封装，通过该方法将ChannelBuffer转换为String类型,这时候的中文还是乱码，之后会用utf-8解下。
        String _message = buffer.toString(CharsetUtil.ISO_8859_1);
        if (_message.length() <= 0){
            return null;
        if (isDirect){
            return buffer;
        else{
            if (exchangeLength == -1){
                exchangeLength = fixedLength(_message,buffer);//后台返回报文格式为：6位的长度位+完整报文，该方法是处理长度位
            int readableLength = buffer.readableBytes();
            if (hasRemaining(readableLength)){
                clear();
                LogConsole.info("xxx response message:" + _message);
                return _message.substring(fixedLength).getBytes(CharsetUtil.ISO_8859_1);
            return null;
    //byte[]转String
    xml = new String(xmlByte,CharsetUtil.UTF_8);
内容都是在网上找的，原作者的链接已经不记得，如有相同的文章博客请告知，我这个改成转载，谢谢大家

                                    通过JDK1.6知道String类中getBytes（”编码“）方法可以将一个数用指定的编码转成一个字节数组，String中通过指
定的 charset解码指定的 byte 数组，构造一个新的 String。代码如下：
  String s = "java学习";
  System.out.println(s);
  String result = new String(s.getBytes("GB2312"),"iso-8859-1");
  System.out.println(s);
                                    public String(byte bytes[], Charset charset)函数可以用指定字节数组和编码来构造字符串。
public byte[] getBytes(Charset charset)函数把字符串按指定编码来得到字节数组。
可以用这两个函数来实现编码转：
new String(String.getBytes("ISO8859-1"），GB2312)；
                                    给你些详细资料解释 1、JVM中单个字符占用的字节长度跟编码方式有关，而默认编码方式又跟平台是一一对应的或说平台决定了默认字符编码方式；2、对于单个字符：ISO-8859-1单字节编码，GBK双字节编码，UTF-8三字节编码；因此中文平台(中文平台默认字符集编码GBK)下一个中文字符占2个字节，而英文平台(英文平台默认字符集编码Cp1252(类似于ISO-8859-1))。 3、getBytes(
// 将"UTF-8"格式的字符串变成"GB2312"格式的字符串
String a = new String("你好".getBytes("GB2312"),"GB2312");
// 将"ISO-8859-1"格式的字符串变成"ISO-8859-1"格式的字符串
String b = new String(a.getBytes("ISO-8859-1"),"ISO-8859-1");
// 输出"GB2312"格式的字符串
System.out.println(a);
// 输出"ISO-885
                                    前段时间做RSS阅读器，在获取某些博客时出现了编码问题，比如网易博客。网易博客的RSS，通过跟踪调试发现其编码 CharacterSet = "ISO-8859-1" 因此利用传统的简单转换方式，无法将其转换为默认编码（UTF-8或GB2312/GBK），在多次试验以后发现利用下面的方法可以转换其编码格式：privatre void TestDecodeISO88591(string Rs