Java字符编码原理(动力节点Java学院整理)

java开发中，常常会遇到乱码的问题，一旦遇到这种问题，常常比较烦恼，大家都不愿意承认是自己的代码有问题。其实编码问题并没有那么神秘，那么不可捉摸，搞清java的编码本质过程就真相大白了。

先看个图：

其实，编码问题存在两个方面：jvm之内和jvm之外。

1、java文件编译后形成class

这里java文件的编码可能有多种多样，但java编译器会自动将这些编码按照java文件的编码格式正确读取后产生class文件，这里的class文件编码是unicode编码（具体说是utf-16编码）。

 因此，在java代码中定义一个字符串：

string s="汉字";

不管在编译前java文件使用何种编码，在编译后成class后，他们都是一样的----unicode编码表示。

2、jvm中的编码

jvm加载class文件读取时候使用unicode编码方式正确读取class文件，那么原来定义的string s="汉字";在内存中的表现形式是unicode编码。

当调用string.getbytes()的时候，其实已经为乱码买下了祸根。因为此方法使用平台默认的字符集来获取字符串对应的字节数组。在windowsxp中文版中，使用的默认编码是gbk，不信运行下：

public class test { 
 public static void main(string[] args) { 
  system.out.println("当前jre：" + system.getproperty("java.version")); 
  system.out.println("当前jvm的默认字符集：" + charset.defaultcharset()); 
 } 
}

当前jre：1.8.0_16

当前jvm的默认字符集：gbk

当不同的系统、数据库经过多次编码后，如果对其中的原理不理解，就容易导致乱码。因此，在一个系统中，有必要对字符串的编码做一个统一，这个统一模糊点说，就是对外统一。比如方法字符串参数，io流，在中文系统中，可以统一使用gbk、gb13080、utf-8、utf-16等等都可以，只是要选择有些更大字符集，以保证任何可能用到的字符都可以正常显示，避免乱码的问题。（假设对所有的文件都用ascii码）那么就无法实现双向转换了。

要特别注意的是，utf-8并非能容纳了所有的中文字符集编码，因此，在特殊情况下，utf-8转gb18030可能会出现乱码，然而一群傻b常常在做中文系统喜欢用utf-8编码而不说不出个所以然出来！最傻b的是，一个系统多个人做，源代码文件有的人用gbk编码，有人用utf-8，还有人用gb18030。fk，都是中国人，也不是外包项目，用什么utf-8啊，神经！源代码统统都用gbk18030就ok了，免得ant脚本编译时候提示不可认的字符编码。

因此，对于中文系统来说，最好选择gbk或gb18030编码（其实gbk是gb18030的子集），以便最大限度的避免乱码现象。

3、内存中字符串的编码

内存中的字符串不仅仅局限于从class代码中直接加载而来的字符串，还有一些字符串是从文本文件中读取的，还有的是通过数据库读取的，还有可能是从字节数组构建的，然而他们基本上都不是unicode编码的，原因很简单，存储优化。 

因此就需要处理各种各样的编码问题，在处理之前，必须明确“源”的编码，然后用指定的编码方式正确读取到内存中。如果是一个方法的参数，实际上必须明确该字符串参数的编码，因为这个参数可能是另外一个日文系统传递过来的。当明确了字符串编码时候，就可以按照要求正确处理字符串，以避免乱码。

在对字符串进行解码编码的时候，应该调用下面的方法：

getbytes(string charsetname) 
string(byte[] bytes, string charsetname)

而不要使用那些不带字符集名称的方法签名，通过上面两个方法，可以对内存中的字符进行重新编码。

以上所述上小编给大家介绍的java 字符编码原理，希望对大家有所帮助