java中如何把utf-8转化成gbk

Python012

java中如何把utf-8转化成gbk,第1张

假如我这有一个String str是utf-8的,那么我可以这么转换:

str = new String( str.getBytes( "utf-8" ), "gbk")

首先明确几点:

unicode是一种“编码”,所谓编码就是一个编号(数字)到字符的一种映射关系,就仅仅是一种一对一的映射而已,可以理解成一个很大的对应表格

GBK、

UTF-8是一种“编码格式”,是用来序列化或存储1中提到的那个“编号(数字)”的一种“格式”;GBK和UTF-8都是用来序列化或存储

unicode编码的数据的,但是分别是2种不同的格式;

他们俩除了格式不一样之外,他们所关心的unicode编码范围也不一样,utf-8考虑了很多种不同国家的字符,涵盖整个unicode码表,所以其存

储一个字符的编码的时候,使用的字节长度也从1字节到4字节不等;而GBK只考虑中文——在unicode中的一小部分——的字符,的编码,所以它算好了

只要2个字节就能涵盖到绝大多数常用中文(2个字节能表示6w多种字符),所以它存储一个字符的时候,所用的字节长度是固定的;

上述2个概念不懂的请马上google,下面不再赘述;我下面说说这个问题本身...的问题在哪里

先java的string使用的编码是unicode,但是,当string存在于内存中时(也就是当程序运行时、你在代码中用string类型的引用对

它进行操作时、也就是string没有被存在文件中且也没有在网络中传输(序列化)时),是“只有编码而没有编码格式的”,所以java程序中的任何

String对象,说它是gbk还是utf-8都是错的,gbk和utf-8是编码格式而不是编码,String在内存中不需要“编码格式”(记住编码格

式是在存文件或序列化的时候使用的), 它只是一个unicode的字符串而已

所以java里面String是不带编码格式的,而

String.toByteArray(charsetName)得到的byteArray是带编码格式的,格式就是你传入的

'charsetName',我们不妨把toByteArray的这个过程叫做“编码”另外,new String(byte[],

charsetName)是把一个byte数组(带编码格式)以charsetName指定的编码格式翻译为一个不带编码格式的String对象,我们不

妨把这个过程叫“解码”

那么根据我揣测提问者的意图,可能有2种问法是他真正想问的:

第一,如何把一个被错误地当作是gbk格式存储的utf-8格式的文件里面读出来的一段乱码字符串还原回去(也就是说本来二进制数据是utf-8的,你用gbk来解码它,得到的字符串是乱码,现在想要还原回去)

第二种,如何把一个gbk文件转化为utf-8文件

如果是第一种意图那就:

public static void main(String... args) throws Throwable {

String errStr = "errStr"

System.out.println(recover(errStr))

}

public static String recover(String str) throws Throwable {

return new String(str.getBytes("GBK"), "UTF-8")

}

其中errStr就是乱码字符串,按照相反的顺序在编码(用gbk)、解码(用utf-8)回去,就能得到正确的字符串(其实不保证所有情况均能正确还原,只能说大部分都能,要看你在乱码过程中是否有数据被丢失)

如果是第二种意图,那就用InputStream以gbk格式将文件读到内存里(表示为String),再将这个String以UTF-8编码写入目标文件里,具体请参考InputStream/OutputStream的api

首先理解java的字符概念

java中字符串是字符的序列,虚拟机内部的字符都是16位的unicode字符,等价于C++中的WCHAR,也是为了实现虚拟机方便

WCHAR叫做宽字符,对应的MuitiChar叫做多字符,这种多字符中字符的位数不唯一

GBK 和 UTF8 是多字符的不同编码形式

s=new String(s.getBytes("gbk"),"utf-8")

的意思是:

byte[] bytes=s.getBytes("gbk")

s=new String(bytes,"utf-8")

第一句是将s对应的gbk编码转出来,形成一个字节流

第二句是将这个字节流按照utf-8编码转为java字符串,因此相当于将gbk编码的字节流当做utf-8来使用,这样在中文中会出现乱码

你的问题是,接口返回的已经是utf-8 所以它必须是byte[] 流,如果是字符串的话就不好办了