JAVA字符串编码转换常用类

 　　无论是对程序的本地化还是国际化，都会涉及到字符编码的转换的问题。尤其在web应用中常常需要处理中文字符，这时就需要进行字符串的编码转换，将字符串编码转换为GBK或者GB2312。
一、关键技术点：
    1、当前流行的字符编码格式有：US-ASCII、ISO-8859-1、UTF-8、UTF-16BE、UTF-16LE、UTF-16、GBK、GB2312等，其中GBK、GB2312是专门处理中文编码的。
    2、String的getBytes方法用于按指定编码获取字符串的字节数组，参数指定了解码格式，如果没有指定解码格式，则按系统默认编码格式。
    3、String的“String(bytes[] bs, String charset)”构造方法用于把字节数组按指定的格式组合成一个字符串对象。

二、源码分析：
    更改字符串编码的步骤为:
    1、调用String的getByte方法对字符串进行解码，得到字符串的字节数组（字节数组不携带任何有关编码格式的信息，只有字符才有编码格式）
    2、根据字节数组和新的字符编码构造一个新的String对象，得到的就是按照新的字符编码生成的字符串

package com.using.test; import java.io.UnsupportedEncodingException;

 /**

 * 转换字符串的编码

 */ public class ConverStr {

      

    public static void main(String[] args) throws UnsupportedEncodingException {

        ConverStr test = new ConverStr();

        String str = "u9519u8befu7684u6765u6e90";

          

        System.out.println("str: " + str);

        String gbk = test.toGBK(str);

        System.out.println("转换成GBK码: " + gbk);

        System.out.println();

        String ascii = test.toASCII(str);

        System.out.println("转换成US-ASCII码: " + ascii);

        gbk = test.changeCharset(ascii, ConverStr.US_ASCII, ConverStr.GBK);

        System.out.println("再把ASCII码的字符串转换成GBK码: " + gbk);

        System.out.println();

        String iso88591 = test.toISO_8859_1(str);

        System.out.println("转换成ISO-8859-1码: " + iso88591);

        gbk = test.changeCharset(iso88591, ConverStr.ISO_8859_1, ConverStr.GBK);

        System.out.println("再把ISO-8859-1码的字符串转换成GBK码: " + gbk);

        System.out.println();

        String utf8 = test.toUTF_8(str);

        System.out.println("转换成UTF-8码: " + utf8);

        gbk = test.changeCharset(utf8, ConverStr.UTF_8, ConverStr.GBK);

        System.out.println("再把UTF-8码的字符串转换成GBK码: " + gbk);

        System.out.println();

        String utf16be = test.toUTF_16BE(str);

        System.out.println("转换成UTF-16BE码:" + utf16be);

        gbk = test.changeCharset(utf16be, ConverStr.UTF_16BE, ConverStr.GBK);

        System.out.println("再把UTF-16BE码的字符串转换成GBK码: " + gbk);

        System.out.println();

        String utf16le = test.toUTF_16LE(str);

        System.out.println("转换成UTF-16LE码:" + utf16le);

        gbk = test.changeCharset(utf16le, ConverStr.UTF_16LE, ConverStr.GBK);

        System.out.println("再把UTF-16LE码的字符串转换成GBK码: " + gbk);

        System.out.println();

        String utf16 = test.toUTF_16(str);

        System.out.println("转换成UTF-16码:" + utf16);

        gbk = test.changeCharset(utf16, ConverStr.UTF_16LE, ConverStr.GBK);

        System.out.println("再把UTF-16码的字符串转换成GBK码: " + gbk);

        String s = new String("中文".getBytes("UTF-8"), "UTF-8");

        System.out.println(s);

    }

      

    /** 7位ASCII字符，也叫作ISO646-US、Unicode字符集的基本拉丁块 */

    public static final String US_ASCII = "US-ASCII";

  

    /** ISO 拉丁字母表 No.1，也叫作 ISO-LATIN-1 */

    public static final String ISO_8859_1 = "ISO-8859-1";

  

    /** 8 位 UCS 转换格式 */

    public static final String UTF_8 = "UTF-8";

  

    /** 16 位 UCS 转换格式，Big Endian（最低地址存放高位字节）字节顺序 */

    public static final String UTF_16BE = "UTF-16BE";

  

    /** 16 位 UCS 转换格式，Little-endian（最高地址存放低位字节）字节顺序 */

    public static final String UTF_16LE = "UTF-16LE";

  

    /** 16 位 UCS 转换格式，字节顺序由可选的字节顺序标记来标识 */

    public static final String UTF_16 = "UTF-16";

  

    /** 中文超大字符集 */

    public static final String GBK = "GBK";

  

    /**

     * 将字符编码转换成US-ASCII码

     */

    public String toASCII(String str) throws UnsupportedEncodingException {

        return this.changeCharset(str, US_ASCII);

    }

  

    /**

     * 将字符编码转换成ISO-8859-1码

     */

    public String toISO_8859_1(String str) throws UnsupportedEncodingException {

        return this.changeCharset(str, ISO_8859_1);

    }

  

    /**

     * 将字符编码转换成UTF-8码

     */

    public String toUTF_8(String str) throws UnsupportedEncodingException {

        return this.changeCharset(str, UTF_8);

    }

  

    /**

     * 将字符编码转换成UTF-16BE码

     */

    public String toUTF_16BE(String str) throws UnsupportedEncodingException {

        return this.changeCharset(str, UTF_16BE);

    }

  

    /**

     * 将字符编码转换成UTF-16LE码

     */

    public String toUTF_16LE(String str) throws UnsupportedEncodingException {

        return this.changeCharset(str, UTF_16LE);

    }

  

    /**

     * 将字符编码转换成UTF-16码

     */

    public String toUTF_16(String str) throws UnsupportedEncodingException {

        return this.changeCharset(str, UTF_16);

    }

  

    /**

     * 将字符编码转换成GBK码

     */

    public String toGBK(String str) throws UnsupportedEncodingException {

        return this.changeCharset(str, GBK);

    }

  

    /**

     * 字符串编码转换的实现方法

     * 

     * @param str

     *            待转换编码的字符串

     * @param newCharset

     *            目标编码

     * @return

     * @throws UnsupportedEncodingException

     */

    public String changeCharset(String str, String newCharset) throws UnsupportedEncodingException {

        if (str != null) {

            // 用默认字符编码解码字符串。             byte[] bs = str.getBytes();

            // 用新的字符编码生成字符串             return new String(bs, newCharset);

        }

        return null;

    }

  

    /**

     * 字符串编码转换的实现方法

     * 

     * @param str

     *            待转换编码的字符串

     * @param oldCharset

     *            原编码

     * @param newCharset

     *            目标编码

     * @return

     * @throws UnsupportedEncodingException

     */

    public String changeCharset(String str, String oldCharset, String newCharset) throws UnsupportedEncodingException {

        if (str != null) {

            // 用旧的字符编码解码字符串。解码可能会出现异常。             byte[] bs = str.getBytes(oldCharset);

            // 用新的字符编码生成字符串             return new String(bs, newCharset);

        }

        return null;

    }

}

【说明】

        java中的String类是按照unicode进行编码的，当使用String(byte[] bytes, String encoding)构造字符串时，encoding所指的是bytes中的数据是按照那种方式编码的，而不是最后产生的String是什么编码方式，换句话说，是让系统把bytes中的数据由encoding编码方式转换成unicode编码。如果不指明，bytes的编码方式将由jdk根据操作系统决定。

        当我们从文件中读数据时，最好使用InputStream方式，然后采用String(byte[] bytes, String encoding)指明文件的编码方式。不要使用Reader方式，因为Reader方式会自动根据jdk指明的编码方式把文件内容转换成unicode编码。

        当我们从数据库中读文本数据时，采用ResultSet.getBytes()方法取得字节数组，同样采用带编码方式的字符串构造方法即可。

ResultSet rs;
bytep[] bytes = rs.getBytes();
String str = new String(bytes, "gb2312");

不要采取下面的步骤。

ResultSet rs;
String str = rs.getString();
str = new String(str.getBytes("iso8859-1"), "gb2312");

        这种编码转换方式效率底。之所以这么做的原因是，ResultSet在getString()方法执行时，默认数据库里的数据编码方式为iso8859-1。系统会把数据依照iso8859-1的编码方式转换成unicode。使用str.getBytes("iso8859-1")把数据还原，然后利用new String(bytes, "gb2312")把数据从gb2312转换成unicode，中间多了好多步骤。

        从HttpRequest中读参数时，利用reqeust.setCharacterEncoding()方法设置编码方式，读出的内容就是正确的了。

顺便说句，如果你直接在浏览器中的地址栏输入这个的话，浏览器都会使用ISO-8859-1来编码你的URL，然后才提交到服务器，这也是为啥一般服务器端都需要首先进行编码转换。