java乱码问题
乱码往往是字符集不统一造成的,而笔者的程序中却是另一种情况引起的。message += (char)ins.read();
就是因为这句代码。。。
原因是这样的:用char强制转型时,只能转换0—127之间的ASCII码,而我们的中文(在GBK/GB2312字符集中中文由两个字节表示,而这连个字节不再0-127范围之内)的字节经char强制转型出来的就是“?”了。
对此我的解决方案是把每个对到的字节都放入字节队列中,在转成数组,最后用String(bytes[])转成字符串。代码如下
- read = bufferedInputStream.read();
- byte byte1 = (byte)read;
- bytes.add(byte1);
- messageRead = new String(listToBytes(bytes));
代码中的bytes是字节队列,listToBytes是队列转成数组的方法。
下面我说一下上面提及通常的原因。
首先,我先介绍一下几种java中的常用的字符集:GBK,GB2312,ASCII,ISO-8859-1,UTF-8。。
要保证不乱码,我们首先要掌握不同字符在他们的字符集中占的字节个数。
GBK:英文占1字节,中文占2字节
GB2312:同GBK
ASCII:总长7bit。。一共包括0-127的字符。。占1字节。无法表示中文。
ISO-8859-1:总长8bit。。是ASCII的扩展。。占1字节
UTF-8:英文占1字节。中文占3字节。
代码实例:
public static void compareCharset() { byte[] bytes1, bytes2, bytes3, bytes4, bytes5, bytes6, bytes7; String string = "a马"; try { bytes1 = string.getBytes("GBK"); System.out.println("以GBK编码程字节长度为" + bytes1.length); for (int i = 0; i < bytes1.length; i++) { System.out.println("以GBK编码每个字节是" + bytes1[i]); } bytes2 = string.getBytes("GB2312"); System.out.println("以GB2312编码程字节长度为" + bytes2.length); for (int i = 0; i < bytes2.length; i++) { System.out.println("以GB2312编码每个字节是" + bytes2[i]); } bytes3 = string.getBytes("ISO-8859-1"); System.out.println("以ISO-8859-1编码程字节长度为" + bytes3.length); for (int i = 0; i < bytes3.length; i++) { System.out.println("以ISO-8859-1编码每个字节是" + bytes3[i]); } bytes4 = string.getBytes("ASCII"); System.out.println("以ASCII编码程字节长度为" + bytes4.length); for (int i = 0; i < bytes4.length; i++) { System.out.println("以ASCII编码每个字节是" + bytes4[i]); } bytes5 = string.getBytes("UTF-8"); System.out.println("以UTF-8编码程字节长度为" + bytes5.length); for (int i = 0; i < bytes5.length; i++) { System.out.println("以UTF-8编码每个字节是" + bytes5[i]); } bytes7 = string.getBytes("UNICODE"); System.out.println("以UNICODE编码程字节长度为" + bytes7.length); for (int i = 0; i < bytes7.length; i++) { System.out.println("以UNICODE编码每个字节是" + bytes7[i]); } } catch (Exception e) { e.printStackTrace(); System.out.println("有不支持的字符集存在"); } }
打印出来是:
以GBK编码程字节长度为3
以GBK编码每个字节是97
以GBK编码每个字节是-62
以GBK编码每个字节是-19
以GB2312编码程字节长度为3
以GB2312编码每个字节是97
以GB2312编码每个字节是-62
以GB2312编码每个字节是-19
以ISO-8859-1编码程字节长度为2
以ISO-8859-1编码每个字节是97
以ISO-8859-1编码每个字节是63
以ASCII编码程字节长度为2
以ASCII编码每个字节是97
以ASCII编码每个字节是63
以UTF-8编码程字节长度为4
以UTF-8编码每个字节是97
以UTF-8编码每个字节是-23
以UTF-8编码每个字节是-87
以UTF-8编码每个字节是-84
以UNICODE编码程字节长度为6
以UNICODE编码每个字节是-2
以UNICODE编码每个字节是-1
以UNICODE编码每个字节是0
以UNICODE编码每个字节是97
以UNICODE编码每个字节是-102
以UNICODE编码每个字节是108
在表示字符串的时候,我们尽量要保证字符集一致才不会乱码。。。