java 中String编码和byte 解码总结——字节流和字符流

1、InputStreamReader 是字节流通向字符流的桥梁：它使用指定的 charset 读取字节并将其解码为字符
InputStreamReader(InputStream in, String charsetName)

2、OutputStreamWriter 是字符流通向字节流的桥梁：可使用指定的 charset 将要写入流中的字符编码成字节。它使用的字符集可以由名称指定或显式给定，否则将接受平台默认的字符集。

OutputStreamWriter(OutputStream out, String charsetName)

3、String(byte[] bytes, Charset charset)

          通过使用指定的 charset解码指定的 byte数组，构造一个新的 String。

4、byte[] getBytes(Charset charset)

          把JVM内存中unicode形式的String按encoding制定的编码，转成字节流

          使用给定的 charset 将此 String 编码到 byte 序列，并将结果存储到新的 byte 数组。

5、URLEncoder。encode(String s, String enc)

       

        使用指定的编码机制将字符串转换为 application/x-www-form-urlencoded 格式。

        对 String 编码时，使用以下规则：

字母数字字符 "a" 到 "z"、"A" 到 "Z" 和 "0" 到 "9" 保持不变。

特殊字符 "."、"-"、"*" 和 "_" 保持不变。

空格字符 " " 转换为一个加号 "+"。

所有其他字符都是不安全的，因此首先使用一些编码机制将它们转换为一个或多个字节。然后每个字节用一个包含 3 个字符的字符串 "%xy"
表示，其中 xy 为该字节的两位十六进制表示形式。推荐的编码机制是
UTF-8。但是，出于兼容性考虑，如果未指定一种编码，则使用相应平台的默认编码。

例如，使用 UTF-8 编码机制，字符串 "The string ü@foo-bar" 将转换为
"The+string+%C3%BC%40foo-bar"，因为在 UTF-8 中，字符 ü 编码为两个字节，C3 （十六进制）和 BC
（十六进制），字符 @ 编码为一个字节 40 （十六进制）。

6、URLDecoder.decode(String s, String enc)

使用指定的编码机制对 application/x-www-form-urlencoded 字符串解码。

转换中使用以下规则：

字母数字字符 "a" 到 "z"、"A" 到 "Z" 和 "0" 到 "9" 保持不变。

特殊字符 "."、"-"、"*" 和 "_" 保持不变。

加号 "+" 转换为空格字符 " "。

将把 "%xy" 格式序列视为一个字节，其中 xy 为 8
位的两位十六进制表示形式。然后，所有连续包含一个或多个这些字节序列的子字符串，将被其编码可生成这些连续字节的字符所代替。可以指定对这些字符进行解码的编码机制，或者如果未指定的话，则使用平台的默认编码机制。

该解码器处理非法字符串有两种可能的方法。一种方法是不管该非法字符，另一种方法是抛出 IllegalArgumentException 异常。解码器具体采用哪种方法取决于实现。

案例：

1.JVM内部的String，Char都是用unicode存储(没有任何编码)，比如：

"分"的unicode=20998(十进制）String=[20998]，String中有1个char

"分享"的unicode=20998，20139 (十进制）String=[20998，20139]，String中有2个char

无论系统编码是什么，"分"这个字在JVM中都是20998

2.String.getBytes("encoding")的意思:

把JVM内存中unicode形式的String按encoding制定的编码，转成字节流，比如汉字"分"：

String="分"

String.getBytes("utf-8")//把String转成utf-8字节流，汉字"分"为3个字节[0xe5,0x88,0x86]

String.getBytes("gbk")//把String转成gbk字节流，汉字"分"为2个字节[0xb7,0xd6]

String.getBytes()//按JVM默认编码转成字节流。linux，如果LANG=en_US，就是iso8859-1，如果是windows eclipse就是UTF-8

3.String std=new String(byte b[],"encoding")的意思

把是encoding编码的字节流b，转换成String，比如：

b=[0xe5,0x88,0x86]

String std=new String(byte b[],"utf-8")//把utf-8的字节数组b，转成string。b中是3个字节的utf8编码。执行后string=[20998]

b=[0xb7,0xd6]

String std=new String(byte b[],"gbk")//把gbk的字节数组b，转成string。b中是2个字节的gbk编码。执行后string=[20998]

4.在linux,LANG=en_US的环境下打印utf8的汉字：

因为终端（secretCRT）只能认单字节流的utf8，若以直接打印utf8的多字节String就会是“???”

需要把utf8的string转换成单字节流编码的iso8859-1，secretCRT才能按utf8显示成汉字，比如：

s1="分"//s1中有一个char=[20998]

String s2=new String(s1.getBytes("utf-8"),"iso8859-1")//获取utf-8编码的s1字节流，并编码成iso8859-1,s2中有三个char，分别是[0xe5,0x88,0x86]

println(s2)//在utf8终端控制台上打印s2

如果终端（secretCRT）的显示编码是default(其实就是iso8859-1能显示GBK),那执行以下代码：

s1="分"//s1中有一个char=[20998]

String s2=new String(s1.getBytes("gbk"),"iso8859-1")//获取gbk编码的s1字节流，并编码成iso8859-1,s2中有两个char，分别是[0xb7,0xd6]

println(s2)//在gbk终端控制台上打印s2

在windows上，因为eclipse控制台系统默认编码是utf8。所以直接打印就可以了