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，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？！

二、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。

三、不要重复发明轮子

这段代码测试可用还很好用，需要的可以参考。

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;
}
public static String getUTF8StringFromGBKString(String gbkStr) {  try {  return new String(getUTF8BytesFromGBKString(gbkStr), "UTF-8");  } catch (UnsupportedEncodingException e) {  throw new InternalError();  }
}

参考于: Java 中文字符串编码之GBK转UTF-8

Java 中文字符串编码之GBK转UTF-8相关推荐

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 ...
Java简易转码工具（一个字符串编码是GBK的文本文件，内容转成UTF-8编码）
import java.io.*; import java.nio.charset.StandardCharsets;/*** 当前项目目录下有一个文本文件note.txt,字符串编码* 是GBK的, ...
(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 ...
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笔记-字符串编码与解码以及编码表原理
编码表编码表:是一张由字符及其对应编码的表计算机只能识别二进制数据,早期由电信号演化而来. 为了方便使用计算机,让它可以识别各个国家的文字,就将各个国家的文字用数字来表示,并一一对应,形成一张编码 ...
Java 中文 Unicode 编码转换
Java作为支持多平台的高级程序设计语言自然要支持多种编码方式才能满足程序设计的需要.但是在处理中文&其他编码之间的转换问题时往往出现各种问题,另程序员大伤脑筋.本文着重阐述了Java中文与U ...
python中文字符串编码_浅谈python下含中文字符串正则表达式的编码问题
前言 Python文件默认的编码格式是ascii ,无法识别汉字,因为ascii码中没有中文. 所以py文件中要写中文字符时,一般在开头加 # -*- coding: utf-8 -*- 或者 #co ...

Java 中文字符串编码之GBK转UTF-8

Java 中文字符串编码之GBK转UTF-8相关推荐

最新文章

热门文章