举个例子
我们在开发过程中,特别是多种编码格式并存的情况下，很容易遇到乱码问题。 假如有一个GBK编码java文件，然后再使用-Dfile.encoding=GBK参数，写入的文件中哪些是乱码呢。那如果使用UFT-8编码的java文件呢。
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
|
public
class
Main {
static
String content =
"中文"
;
public
static
void
main(String[] args)
throws
IOException {
OutputStreamWriter gbkWriter =
new
OutputStreamWriter(
new
FileOutputStream(
"GBK-FILE"
),
"GBK"
);
// 情况1、2、5的结果肯定是一致的
gbkWriter.write(content+
"\n"
);
//(1)
gbkWriter.write(
new
String(content.getBytes(
"GBK"
),
"GBK"
)+
"\n"
);
// (2)
gbkWriter.write(
new
String(content.getBytes(
"GBK"
),
"UTF-8"
)+
"\n"
);
// (3)
gbkWriter.write(
new
String(content.getBytes(
"UTF-8"
),
"GBK"
)+
"\n"
);
// (4)
gbkWriter.write(
new
String(content.getBytes(
"UTF-8"
),
"UTF-8"
)+
"\n"
);
// (5)
gbkWriter.flush();
gbkWriter.close();
}
}
|
java编译到输出
其实用一张图就可以清晰的概括出从java文件编译到输出的过程 主要有3个地方的编码转换：
编译过程
上图①所示的位置，其实就是
javac -encoding xxx
的时候控制，如果你没有显示的指定编码，那么会根据当前操作系统的默认编码格式进行编译，一般windows是gbk，linux是UTF-8。如果这里编码指定错了，那么你的代码很有可能出现中文乱码问题，注意是很有可能，而不是绝对。原因后面会说到。编译出来的class文件统一都是UTF-8格式
运行加载
当class文件加载的jvm的时候，也会进行字符串编码转换，和前面一样，会使用操作系统默认的编码格式，这里的编码不是指class文件的编码，而是指java文件的编码格式,类似于指定java文件是什么编码格式编译为class文件的。就是jvm参数：
java -Dfile.encoding=xxx
在java运行过程中，字符串在内存中则是使用Unicode(UTF-16)进行存储的。而UTF-8转换为UTF-16是很简单的过程。当我们标用String.getBytes()时候，则是把内存中的unicode转换对应的字节数组。(如果没有指定，则使用操作系统默认的编码格式)。可以看出，把一个字符串从编译到内存，其实是经历的过程为：
编译文件编码->加载jvm编码->unicode
输出
输出的编码则是在代码中指定的。例如： OutputStreamWriter gbkWriter =new OutputStreamWriter(new FileOutputStream("GBK-FILE"),"GBK");
例子解析
如果理解上面的，我们再看看文章一开始的例子。举几个例子做说明，其他的情况也就逐类旁通。
例子1
-
java文件编码：GBK,
-
javac -encoding GBK
-
java -Dfile.encoding=GBK 那么使用GBK编码查看输出文件
-
(1)正常
-
(2)正常
-
(3)乱码
-
(4)乱码
-
(5)正常
情况(1)
情况1是比较好理解的，因为java文件编码、编译、加载都是使用GBK，加载到内存中Unicode肯定也是正常的，那么打印出来也是正常的。
情况(2)和情况(5)
在情况1的前提下（即加载到内存中是正常的），在jvm中使用GBK解码在编码肯定是正常的。
情况(3)和情况(4)
在情况1的前提下，使用不同的解码和编码，肯定是乱码
特殊情况
当我们使用UTF-8的格式打开文件的时候，情况(4)是正常的，其余都是乱码。其实是因为先使用unicode进行转换为UTF-8格式的Byte数组，生成的字符串虽然乱码和写文件的格式都是GBK，相当于原封不动的UTF-8格式的byte数组写到文件中，所以就会出现这个情况
小节
这个例子就是直至加载到内存都是正常的情况下，在jvm内进行编码和解码导致乱码的情况
例子2
-
java文件编码：UTF-8,
-
javac -encoding GBK
-
java -Dfile.encoding=UTF-8
那么使用GBK编码查看输出文件
-
(1)乱码
-
(2)乱码
-
(3)正常
-
(4)乱码
-
(5)乱码
情况(1)
情况1是乱码，说明字符串加载到内存中就已经是乱码了。因为UFT-8格式使用GBK进行编码，在生成class文件就已经是乱码了。
情况(3)
情况3为什么又是正常的呢，其实这是误打误撞类型。个人理解的造成这个情况的原因有：
-
java文件的编码正好和jvm加载文件编码格式是一样的
-
javac过程，相当于一个UTF-8->GBK格式转换，而content.getBytes("GBK"), "UTF-8")又相当于GBK->UTF-8的转换，两次转换正好相互抵消。
使用UTF-8编码查看输出文件
-
(1)正常
-
(2)正常
-
(3)乱码
-
(4)乱码
-
(5)正常
为什么是使用UTF-8打开情况1不是乱码了呢，其实和上面误打误撞，只不过之前发生在内存中的GBK->UTF-8换为我们在打开文件的时候进行的编码转换，情况1、2、5结果肯定一致的
