JAVA中文字符串编码--GBK转UTF-8

转载自：https://www.cnblogs.com/yoyotl/p/5979200.html

一、乱码的原因

gbk的中文编码是一个汉字用【2】个字节表示，例如汉字“内部”的gbk编码16进制的显示为c4 da b2 bf

utf-8的中文编码是一个汉字用【3】个字节表示，例如汉字“内部”的utf-8编码16进制的显示为e5 86 85 e9 83 a8

很显然，gbk是无法直接转换成utf-8，少字节变为多字节，谁知道缺少的字节是什么啊？！

转换的办法

有办法实现“有损”转换吗？答案是肯定的。

1.首先将gbk字符串getBytes()得到两个原始字节，转换成二进制字符流，共16位。

2.根据UTF-8的汉字编码规则，首字节以1110开头，次字节以10开头，第3字节以10开头。在原始的2进制字符串中插入标志位。最终的长度从16--->16+4+2+2=24。

3.转换完成，实际情况需要考虑更多因素，例如字符串是汉字和数字的混合体，需要识别处理数字。

public void entityTest(){    try {        byte[] str = "支持™".getBytes("gbk");        String gbkStr = new String(str, "gbk");        System.out.println(new String(getUTF8BytesFromGBKString(gbkStr),"UTF-8"));    } catch (UnsupportedEncodingException e) {        e.printStackTrace();    }}

public static byte[] getUTF8BytesFromGBKString(String gbkStr) {    int n = gbkStr.length();    byte[] utfBytes = new byte[3 * n];    int k = 0;    for (int i = 0; i < n; i++) {        int m = gbkStr.charAt(i);        if (m < 128 && m >= 0) {            utfBytes[k++] = (byte) m;            continue;        }        utfBytes[k++] = (byte) (0xe0 | (m >> 12));        utfBytes[k++] = (byte) (0x80 | ((m >> 6) & 0x3f));        utfBytes[k++] = (byte) (0x80 | (m & 0x3f));    }    if (k < utfBytes.length) {        byte[] tmp = new byte[k];        System.arraycopy(utfBytes, 0, tmp, 0, k);        return tmp;    }    return utfBytes;}

但在这里还是有个问题是"支持™"字符串中"™"的字符由于在GBK中不存在，那么在byte[] str = "支持™".getBytes("gbk");的时候"™"字符就已经乱码了，最后导致转码也乱码。GBK还有很多不支持的特殊字符。

GBK字符编码表：https://www.qqxiuzi.cn/zh/hanzi-gbk-bianma.php

转载于:https://www.cnblogs.com/EmilZs/p/10985792.html

JAVA中文字符串编码--GBK转UTF-8相关推荐

Java 中文字符串编码之GBK转UTF-8
一.乱码的原因 gbk的中文编码是一个汉字用[2]个字节表示,例如汉字"内部"的gbk编码16进制的显示为c4 da b2 bf utf-8的中文编码是一个汉字用[3]个字节表示, ...
(best!)JAVA中文字符编码问题详解
转载自:http://blog.csdn.net/youyue/article/details/4580402 JAVA中文字符编码问题详解 JAVA的中文字符乱码问题一直很让人头疼.特别是在WEB应 ...
java “错误：编码GBK 的不可映射字符”
目录前言一.透过现象看本质,发现问题找原因 1.查看cmd的默认编码格式: 2.查看代码文件的保存格式: 二.分析问题原因,寻找解决方案 1.指定DOS命令的编码格式: 2.修改代码文件的编码格式 ...
JAVA中文字符编码问题详解
JAVA中文字符编码问题详解 JAVA的中文字符乱码问题一直很让人头疼.特别是在WEB应用中.网上的分析文章和解决方案都很多,但总是针对某些特定情况的.很多次遇到乱码问题后,经过极为辛苦的调试和搜索资 ...
【已解决】Java “错误：编码GBK 的不可映射字符”
[已解决]Java "错误:编码GBK 的不可映射字符" 正文 import java.awt.*; import java.awt.datatransfer.Clipboard; ...
java命令行编译运行遇到java:5: 错误: 编码GBK的不可映射字符（涓変釜鏋勯?犲嚱鏁?）解决方法
java命令行编译运行遇到java:5: 错误: 编码GBK的不可映射字符 (涓変釜鏋勯?犲嚱鏁?)解决方法错误原因:使用简单javac 命令编译java文件,如果代码中存在中文,就算是注释有中文的 ...
【错误记录】生成 Java 文档错误 ( Xxx.java:xx: 错误: 编码GBK的不可映射字符 )
文章目录一.报错信息二.解决方案一.报错信息使用 javadoc 命令 , 生成 Java 文档 , 报错 ; javadoc Student.java D:\develop\javadoc& ...
java 中文音序,java 中文字符串数组按照音序排列
java 中文字符串数组按照音序排列复制代码代码如下: public class SortComparator implements Comparator{ public int compare( ...
Java中文字符串截取，不能返回半个汉字
转载请注明来源-作者@loongshawn:http://blog.csdn.net/loongshawn/article/details/62215914,建议读者阅读原文,确保获得完整的信息 1. ...

JAVA中文字符串编码--GBK转UTF-8

转换的办法

JAVA中文字符串编码--GBK转UTF-8相关推荐

最新文章

热门文章