各种编码之间的关系以及getBytes的使用

编码基础知识参考http://my.oschina.net/chape/blog/201725

我对此作了简单的概括

iso8859-1 （通常叫做Latin-1）

属于单字节编码，最多能表示的字符范围是0-255，应用于英文系列，无法表示中文，比如，字母a的编码为0x61=97

 

GB2312/GBK

汉字的国标码，专门用来表示汉字，是不定长双字节编码，而英文字母和iso8859-1一致（兼容iso8859-1编码）。其中gbk编码能够用来同时表示繁体字和简体字，而gb2312只能表示简体字，gbk是兼容gb2312编码的。即GB2312兼容IOS8859-1,GBK兼容GB2312和ISO8859-1

unicode

这是最统一的编码，可以用来表示所有语言的字符，而且是定长双字节（也有四字节的）编码，即不管是中文还是字母都是两个字节，且不兼容任何编码，所以容易浪费很多空间，不利于传输和存储。相对于iso8859-1编码来说，uniocode编码只是在前面增加了一个0字节，比如字母a为"00 61。

定长编码便于计算机处理（注意GB2312/GBK不是定长编码），而unicode又可以用来表示所有字符，所以在很多软件内部是使用unicode编码来处理的，比如java

UTF

考虑到unicode的不足，产生了utf编码，utf编码兼容iso8859-1编码，同时也可以用来表示所有语言的字符

UTF是不定长编码，每一个字符的长度从1-6个字节不等，自带简单的校验功能，一般来讲，英文字母都是用一个字节表示，而汉字使用三个字节。

在考虑选择编码使用的情况下，如果知道使用的都是中文，那么用GB2312/GBK无疑是最省空间的，如果知道了都是不含中文，可以考虑用ISO8859-1。

但是我们一般网页是既含中文也含英文的，GB2312/GBK是国标码，在中国比较通用，而utf是国际支持的，如果用GB2312/GBK，国外访问国内网站，浏览器不支持自动转码，就会出现乱码。所有建议网页上使用utf编码。

 

关于编码的内部实现不深入研究，这里举个例子

以"中文"两个字为例，经查表可以知道其GB2312编码是"d6d0 cec4"，Unicode编码为"4e2d 6587"，UTF编码就是"e4b8ad e69687"

java中getBytes(charset)

不指定cahrset集时getBytes()默认采用平台默认的编码集，什么是平台默认的编码集呢?就是.java文件保存的编码

比如我的eclipse里保存.java文件为

测试

　　　　 String str="哈哈ha1";
        byte b[]=str.getBytes();
        System.out.println(b.length);

哈占3个字节，哈哈就是6个，ha1各占一个，符合UTF-8的编码

不同的编码之间如果不存在兼容关系，肯定是不能互相转换的，如GBK编码的文字不能用UTF-8显示，但ISO编码的字母能用UTF-8或GB2312/GBK显示，因为UTF跟GB2312/GBK是兼容IS0编码的.

但是如果GBK编码的文字通过UTF编码转回GBK呢？

下面做测试

　　　　 String str="哈哈123";
        byte utfByte[]=str.getBytes("UTF-8");
        byte gbkByte[]=str.getBytes("GBK");
        byte isoByte[]=str.getBytes("ISO-8859-1");
        //UTF->GBK->UTF
        String str11=new String(utfByte,"GBK");
        String str12=new String(str11.getBytes("GBK"),"UTF-8");
        System.out.println(str12);
        //UTF->ISO->UTF
        String str21=new String(utfByte,"ISO-8859-1");
        String str22=new String(str21.getBytes("ISO-8859-1"),"UTF-8");
        System.out.println(str22);
        //GBK->UTF->GBK
        String str31=new String(gbkByte,"UTF-8");
        String str32=new String(str31.getBytes("UTF-8"),"GBK");
        System.out.println(str32);
        //GBK->ISO->GBK
        String str41=new String(gbkByte,"ISO8859-1");
        String str42=new String(str41.getBytes("ISO8859-1"),"GBK");
        System.out.println(str42);

结果

结论：

UTF-8编码可以用GB2312/GBK和ISO8859-1解码后编回去

GB2312/GBK编码后只能用ISO8859-1解码后编回去