中文乱码的原因及解决方法

1、我们常用的编码表：

  ASCLL:美国标准信息交换码

     --->用一个字节的7位可以表示

ISO8859-1:拉丁码表、欧洲码表

    --->用一个字节的8位来表示

GB2312：中国的中文编码表

GBK：中国的中文编码表的升级。

      --->一个汉字用两个字节表示，每个字节的高位是1，所以汉字的byte形式是负数。

Unicode：国际标准码，融合了多种文字。

UTF-8:最多用三个字节表示一个字符

2、编码表的编码和解码步骤：

2.1先来了解下编码和解码的概念

  编码：字符串变成字节数组
  解码：字节数组变成字符串
  即：
  编码：String-->byte数组，str.getBytes();
  解码：byte-->String

2.2  GBK编码的转换流程

String str = "上海";
		byte[] b = str.getBytes();
		System.out.println(Arrays.toString(b));
		String s = new String(b,"gbk");
		System.out.println(s);

系统默认的编码是gbk编码，当调用getBytes()方法之后，“上海”二字转换成长度为4的字节数组，这里是编码的过程。

当new String(b,"gbk")时，用的是gbk的解码方式。所以能够解析出相应的汉字。若使用utf-8，那么就会出现中文乱码。

因此，解决中文来乱码的关键点 在于编码表的对应。

演示编码不一致产生的中文乱码问题：

String str = "上海";
		byte[] b = str.getBytes("utf-8");
		System.out.println("汉字："+str+"utf-8编码形式："+Arrays.toString(b));
		String s = new String(b,"gbk");
		System.out.println("与之对应的gbk解码形式："+s);

       由上面可以看出来：一个utf-8编码方式的汉字占用3个字节，而gbk编码方式占用2个字节。

3、产生ISO8859-1的中文乱码的解决方法：

   产生问题：

String str = "上海";
		byte[] b = str.getBytes();
		System.out.println("汉字："+str+"gbk编码形式："+Arrays.toString(b));
		String s = new String(b,"iso8859-1");
		System.out.println("与之对应的iso8859-1解码形式："+s);

一个ISO8859-1编码占用一个字节。

解决方法：将乱码按照iso8859-1的编码格式重新编码，产生的编码还是那些字节数组[-55,-49,-70,-93],然后将这些字节数组按照GBK编码进行解码。

代码如下：

String str = "上海";
		byte[] b = str.getBytes();
		System.out.println("汉字："+str+"gbk编码形式："+Arrays.toString(b));
		String s = new String(b,"iso8859-1");
		System.out.println("与之对应的iso8859-1解码形式："+s);
		byte[] b1 = s.getBytes("iso8859-1");
		System.out.println(s+"与之对应的iso8859-1编码形式："Arrays.toString(b1));
		String s1 = new String(b1,"gbk");
		System.out.println(s1);

4、客户端与Tomcat之间产生的中文乱码

所以需要将ISO8859-1产生的中文乱码进行编码再解码。

即：new Stirng(b.getBytes("iso8859-1","gbk"));

若采用的是UTF-8编码，

 new String(b.getBytes("iso8859-1"),"utf-8");

以上是今天学到的一些内容之前在做网站时，一直会出现这些中文乱码的问题，尽管一些问题解决了，但是不了解这些问题的原因，今天在这里总结一下这些内容。自己能够进一步的了解，也希望对大家起到作用。