Java字符串应用之字符串编码转换

无论是对程序的本地化还是国际化，都会涉及到字符编码的转换的问题。尤其在web应用中常常需要处理中文字符，这时就需要进行字符串的编码转换，将字符串编码转换为GBK或者GB2312.

　　一、关键技术点：

　　1、当前流行的字符编码格式有：US-ASCII、ISO-8859-1、UTF-8、UTF-16BE、UTF-16LE、UTF-16、GBK、GB2312等，其中GBK、GB2312是专门处理中文编码的。

　　2、String的getBytes方法用于按指定编码获取字符串的字节数组，参数指定了解码格式，如果没有指定解码格式，则按系统默认编码格式。

　　3、String的“String(bytes[] bs, String charset)”构造方法用于把字节数组按指定的格式组合成一个字符串对象

　　二、实例演示：

　　package book.String;

　　import java.io.UnsupportedEncodingException;

　　/**

　　* 转换字符串的编码

　　* @author joe

　　*

　　*/

　　public class ChangeCharset {

　　/** 7位ASCII字符，也叫作ISO646-US、Unicode字符集的基本拉丁块 */

　　public static final String US_ASCII = “US-ASCII”;

　　/** ISO拉丁字母表 No.1,也叫做ISO-LATIN-1 */

　　public static final String ISO_8859_1 = “ISO-8859-1”;

　　/** 8 位 UCS 转换格式 */

　　public static final String UTF_8 = “UTF-8”;

　　/** 16 位 UCS 转换格式，Big Endian(最低地址存放高位字节)字节顺序 */

　　public static final String UTF_16BE = “UTF-16BE”;

　　/** 16 位 UCS 转换格式，Litter Endian(最高地址存放地位字节)字节顺序 */

　　public static final String UTF_16LE = “UTF-16LE”;

　　/** 16 位 UCS 转换格式，字节顺序由可选的字节顺序标记来标识 */

　　public static final String UTF_16 = “UTF-16”;

　　/** 中文超大字符集 **/

　　public static final String GBK = “GBK”;

　　public static final String GB2312 = “GB2312”;

　　/** 将字符编码转换成US-ASCII码 */

　　public String toASCII(String str) throws UnsupportedEncodingException {

　　return this.changeCharset(str, US_ASCII);

　　}

　　/** 将字符编码转换成ISO-8859-1 */

　　public String toISO_8859_1(String str) throws UnsupportedEncodingException {

　　return this.changeCharset(str, ISO_8859_1);

　　}

　　/** 将字符编码转换成UTF-8 */

　　public String toUTF_8(String str) throws UnsupportedEncodingException {

　　return this.changeCharset(str, UTF_8);

　　}

　　/** 将字符编码转换成UTF-16BE */

　　public String toUTF_16BE(String str) throws UnsupportedEncodingException{

　　return this.changeCharset(str, UTF_16BE);

　　}

　　/** 将字符编码转换成UTF-16LE */

　　public String toUTF_16LE(String str) throws UnsupportedEncodingException {

　　return this.changeCharset(str, UTF_16LE);

　　}

　　/** 将字符编码转换成UTF-16 */

　　public String toUTF_16(String str) throws UnsupportedEncodingException {

　　return this.changeCharset(str, UTF_16);

　　}

　　/** 将字符编码转换成GBK */

　　public String toGBK(String str) throws UnsupportedEncodingException {

　　return this.changeCharset(str, GBK);

　　}

　　/** 将字符编码转换成GB2312 */

　　public String toGB2312(String str) throws UnsupportedEncodingException {

　　return this.changeCharset(str,GB2312);

　　}

　　/**

------------------------------------------------------------------------------------------------------------------


        java中的String类是按照unicode进行编码的，当使用String(byte[] bytes, String encoding)构造字符串时，encoding所指的是bytes中的数据是按照那种方式编码的，而不是最后产生的String是什么编码方式，换句话说，是让系统把bytes中的数据由encoding编码方式转换成unicode编码。如果不指明，bytes的编码方式将由jdk根据操作系统决定。

        当我们从文件中读数据时，最好使用InputStream方式，然后采用String(byte[] bytes, String encoding)指明文件的编码方式。不要使用Reader方式，因为Reader方式会自动根据jdk指明的编码方式把文件内容转换成unicode编码。

        当我们从数据库中读文本数据时，采用ResultSet.getBytes()方法取得字节数组，同样采用带编码方式的字符串构造方法即可。

ResultSet rs;
bytep[] bytes = rs.getBytes();
String str = new String(bytes, "gb2312");

不要采取下面的步骤。

ResultSet rs;
String str = rs.getString();
str = new String(str.getBytes("iso8859-1"), "gb2312");

        这种编码转换方式效率底。之所以这么做的原因是，ResultSet在getString()方法执行时，默认数据库里的数据编码方式为iso8859-1。系统会把数据依照iso8859-1的编码方式转换成unicode。使用str.getBytes("iso8859-1")把数据还原，然后利用new String(bytes, "gb2312")把数据从gb2312转换成unicode，中间多了好多步骤。

        从HttpRequest中读参数时，利用reqeust.setCharacterEncoding()方法设置编码方式，读出的内容就是正确的了。