最近工作中遇到一个编码的问题，在这记录一下我的思考过程，供大家参考。
先来一段测试代码，看完结果之后再说一下我的思考和理解：
public static void main(String[] args) {
File tmpFile = new File("test.txt");
OutputStreamWriter osw = null;
InputStreamReader isr = null;
try {
Boolean result = tmpFile.createNewFile();
FileOutputStream fos = new FileOutputStream(tmpFile);
osw = new OutputStreamWriter(fos, "UTF-8");
osw.write("helloword,中国深圳,龙岗区");
osw.flush();
FileInputStream fis = new FileInputStream(tmpFile);
isr = new InputStreamReader(fis, "GBK");
StringBuffer sb = new StringBuffer();
while (isr.ready()) {
sb.append((char) isr.read());
}
System.out.println("-----------------------------------------------------------------------");
System.out.println(sb.toString());
System.out.println(new String(sb.toString().getBytes("GBK"),"UTF-8"));
System.out.println("-----------------------------------------------------------------------");
} catch (IOException e) {
e.printStackTrace();
}finally {
try {
if(osw != null) osw.close();
if(isr != null) isr.close();
} catch (IOException e) {
e.printStackTrace();
}
}
}
执行结果：
-----------------------------------------------------------------------
helloword,涓浗娣卞湷,榫欏矖鍖�
helloword,中国深圳,龙岗�?
-----------------------------------------------------------------------
我故意用GBK去解析UTF-8写入的字符串，读出来的字符串肯定会乱码，是的，这个很好理解，关键说第二条打印的数据：
我将读出来的UTF-8字符串再转成GBK的二进制，然后再装成UTF-8的字符串，发现和我最初的字符串并不相同！
其实，这是因为转成"helloword,涓浗娣卞湷,榫欏矖鍖�"的GBK字符串时，数据以及在翻译的过程中被破坏了，“�”其实就是由于在GBK中找不到对应的含义的字符才生成的一个通用字符，你想想，此时再反过来操作一遍，肯定是得不到原来的字符串了。当然这种情况也不是一定会发生，这个要看具体的两个编码。
关于编码的认知
所有在计算机中展示出来的数据都是计算机通过固定的编码，将二进制数据转换成人类能够看的懂的字符，在人与计算机交互的过程中，编码（Unicode,UTF-8,GBK等）就相当于一个中介，准确点说应该是翻译。
关于编码转换
在JVM中，字符串String是没有编码的概念的，因为JVM是统一使用的Unicode进行String的计算和存储的，这样才能保证相同的字符串计算出来的二进制是相同的；
所以，在java中，相同的字符串，要实现A到B编码的转换,过程是这样的：二进制先按照A编码转换成String(unicode)，然后String再按照B编码转换成二进制。
这里其实就涉及Java中两个不得不说的API:
1、String.getBytes(“GBK”) ：将String转换成指定编码的二进制数组。
2、new String(二进制数组,“GBK”) ：将二进制数组按照指定的编码解析成字符串。
结论
1、对于某一个二进制数组[]byte，如果不知道它的原生编码，计算机是没办法正确解析它的，因为计算机不知道要将它解析成什么样子人类才看得懂。
2、对于某一个二进制数组[]byte，如果不知道它的原生编码，是没办法转换成某一种其他的固定编码的（因为翻译出来的String不确定是否正确，与第一个结论相同）。
3、对于某一个二进制数组[]byte,如果知道它的原生编码为A，用非原生编码B对其进行解析之后得到的String C是会存在数据被破坏的风险的，也就是说，此时的字符串C如果再用B编码生成二进制[]byte,然后通过A转换成字符串D，此时，C不一定等于D，也就是说，这个过程不一定可逆，从最上面的代码可以看出。
4、所以，最关键的一条结论来了：为了保证双方数据一致性，双方在读和写的过程中使用的编码一定要一致，用不相同的编码翻译过的数据就不能逆向使用。
|