字符串编码问题.

[行云边]

一个字符串,本来就是utf-8编码(utf-8是正确编码),我想转成gbk编码. 然后反之转换回去.
java里有没有函数库提供转换?


另外 new String(xxx.getBytes("utf-8"),"gbk") 这个方法是字符串是gbk编码但是转换错了(转换成utf-8),然后用这个方法转换回来.所以跟我的问题不一样.

[prince_java]

io流里面倒是有几个类可以指定字符集进行转换，例如这个：

PrintWriter(File file, String csn)
创建具有指定文件和字符集且不带自动刷行新的新 PrintWriter。

[行云边]

我网上找了一下 貌似有朋友 写了 utfTogbk的函数 不过没找到 gbkToUtf的. 不知道java库里有没有提供类似的功能

[yifine1987]

楼上几位都说得很对，这里我补充一点，我们常用的工具，例如Tomcat\ecplise等等都是国外的写的，这些工具中的编码，在默认情况下都是ISO8859-1的

[火龙果被占用了]

这需要 UTF-8 与 GBK 的字符映射表，否则转不了！

不过在 JAVA 中都是采用 Unicode 来表示的。

[wcwtitxu]

字符串就是字符串，就是一串 Char 的序列，无所谓什么编码

运行时内存中存储，Java 都是按 Unicode

===============================================

只有当字符串转换成 byte 序列，或者是 byte 序列转化成字符串时，才有涉及到编码

说到底 charset 是一个转换规则, 是转换过程才涉及的

===============================================

“一个字符串,本来就是utf-8编码(utf-8是正确编码)”

把 utf-8 编码规则当成字符串的一种状态了, 注意 charset 是一种规则而不是一种状态

所以这样的表述 很难让人猜中你具体是什么样的实际情况

===============================================

Java 的 String 有 getBytes(charset) 方法， charset 是指定的编码规则
是将字符串转换成 byte[]，一般字符串需要通过流传递，都会有这样一个过程。
(这个过程，可能是需要你手动完成，又可能是由底层程序自动完成)

发送方把 String 按一定的规则编码，变成二进制数据(byte[]), charset 就是所使用的规则
接收方 收到了 byte[] 后，使用相同的规则 (charset) 进行逆操作，也就是解码。从而得到正确还原后的 String
如果编码使用的规则(charset) 与解码使用的规则不一致 则导致接收方无法还原字符串，从而得到所谓的 乱码。


str.getBytes(charset) 就是一个编码过程，把字符串转换成 byte 数组, 也就是 byte 序列
new String(bytes, charset) 就是一个解码过程，解码 byte序列, 还原为 String

正确的运用好这两个功能。
再详细分析一下实际情况，应该可以自己搞惦

如果，还有遇到问题。。　再提出来让大家讨论分析

[dr_lou]

另外 new String(xxx.getBytes("utf-8"),"gbk") 这个方法是字符串是gbk编码但是转换错了(转换成utf-8),然后用这个方法转换回来.所以跟我的问题不一样.

jdk还会为了处理转码错误而特意设置函数？你试试再说！

你想实现什么? java都是unicode的

[过往记忆]

你所说的这种现象是可以通过代码来实现的，我以前在处理这样的事情时把GBK转换成UTF-8都是用代码来处理的。。

[行云边]

我的意思可能没说明白,举个例子, 如果有2个模块,一个模块A内部处理统一为gbk编码, 另一个模块B是统一为utf-8编码,2者通过XML数据通信. 那么一个字符串是gbk编码在A系统是可以正确显示并处理的.但是如果要生成utf-8编码的XML数据传给B系统那就有问题了.

[ntcome]

java的字符串都是unicode的。

应该是utf-8 ----> unicode（可以在这里修改） -----> gbk

[wcwtitxu]

这类情况 A, B 约定好传输编码就可以.
比如 A中 str.getBytes("UTF-8") 得到 byte[], 把这字节序列 bytes 传给 B 后, B 用 new String(bytes, "UTF-8") 就能还原字符串内容的

不知道你们的系统是怎么设计的. 最好给出 A,B 具体的 收发接口

------------------------------------------------
楼主仍然错误的认为 Java 中的 String 有 GBK,UTF-8 之分.

需要明确, java 中的 String 没那么复杂, 不管是 A系统里的 String,还是 B系统中的 String, 运行时它们都是以 Unicode 编码存在内存里的

[chuchuzinnia]

友情帮顶！！

[行云边]

[Quote=引用 10 楼 wcwtitxu 的回复:]
这类情况 A, B 约定好传输编码就可以.
比如 A中 str.getBytes("UTF-8") 得到 byte[], 把这字节序列 bytes 传给 B 后, B 用 new String(bytes, "UTF-8") 就能还原字符串内容的

不知道你们的系统是怎么设计的. 最好给出 A,B 具体的 收发接口

----------------------------------……
[/Quote]
唉~貌似很多人没明白我的意思.其实很简单就是用java实现.net里这个功能:

byte[] returnBytes = Encoding.Convert( Encoding.UTF8, Encoding.GetEncoding("gb2312"), bytes); 

[行云边]

贴一个别人写的 utf2gbk. 但是我想问java框架是否存在这样的功能.存在的话那互相转换会方便很多

public static byte[] utfToGBK(byte[] srcByte,String encoding) throws UTFDataFormatException{ 
    StringBuffer str = new StringBuffer(); 
    int len = srcByte.length; 
    int char1, char2, char3; 
    int count = 0; 
    while (count < len) { 
      char1 = (int) srcByte[count] & 0xff; 
      switch (char1 >> 4) { 
        case 0: 
        case 1: 
        case 2: 
        case 3: 
        case 4: 
        case 5: 
        case 6: 
        case 7: 
          count++; 
          str.append( (char) char1); 
          break; 
        case 12: 
        case 13: 
          count += 2; 
          if (count > len) { 
            throw new UTFDataFormatException(); 
          } 
          char2 = (int) srcByte[count - 1]; 
          if ( (char2 & 0xC0) != 0x80) { 
            throw new UTFDataFormatException(); 
          } 
          str.append( (char) ( ( (char1 & 0x1F) << 6) | (char2 & 0x3F))); 
          break; 
        case 14: 
  
          /* 1110 xxxx  10xx xxxx  10xx xxxx */ 
          count += 3; 
          if (count > len) { 
            throw new UTFDataFormatException(); 
          } 
          char2 = (int) srcByte[count - 2]; 
          char3 = (int) srcByte[count - 1]; 
          if ( ( (char2 & 0xC0) != 0x80) || ( (char3 & 0xC0) != 0x80)) { 
            throw new UTFDataFormatException(); 
          } 
          str.append( (char) ( ( (char1 & 0x0F) << 12) | 
                              ( (char2 & 0x3F) << 6) | 
                              ( (char3 & 0x3F) << 0))); 
          break; 
        default: 
          throw new UTFDataFormatException(); 
      } 
    } 
    String temp = new String(str); 
    try{ 
      if(encoding==null) encoding = "GBK"; 
      return temp.getBytes(encoding); 
    }catch(Exception e){ 
      return null; 
    } 
  }

[yktd26]

byte[] utfBytes = new byte[100];
		....
		try {
			byte[] gbkBytes = new String(utfBytes).getBytes("GBK");
		} catch (UnsupportedEncodingException e) {
		}

[yktd26]

试了一下应该没问题

byte[] utfBytes = new String("我").getBytes("UTF-8");
		for (byte b:utfBytes) System.out.print(Integer.toHexString(b&0x000000ff)+" ");
		System.out.println();
		byte[] gbkBytes = new String(utfBytes).getBytes("GBK");	
		for (byte b:gbkBytes) System.out.print(Integer.toHexString(b&0x000000ff)+" ");

[yktd26]

反过来是

		byte[] gbkBytes = new String("我").getBytes("GBK");		
		for (byte b:gbkBytes) System.out.print(Integer.toHexString(b&0x000000ff)+" ");
		System.out.println();
		byte[] utfBytes = new String(gbkBytes,"GBK").getBytes("UTF-8");
		for (byte b:utfBytes) System.out.print(Integer.toHexString(b&0x000000ff)+" ");
		System.out.println();

[wcwtitxu]

byte[] returnBytes = Encoding.Convert( Encoding.UTF8, Encoding.GetEncoding("gb2312"), bytes);

那你这个是 byte[] 从 utf-8 转 gb2312
你为什么说是 字符串 (string) 从 utf-8 转 gb2312

字符串没有分什么 utf-8, gb2312, 运行时，都统一 unicode 表示

// java
byte[] returnBytes = new String(bytes, "UTF-8").getBytes("GBK");