Java

 

编码问题汇总

工作中经常遇到 java 编码问题，由于缺乏研究，总是无法给出确切的答案，这个周末在
网上查了一些资料，在此做些汇总。

    问题一：在 java 中读取文件时应该采用什么编码？

Java 读取文件的方式总体可以分为两类：按字节读取和按字符读取。按字节读取就是采用
InputStream.read()方法来读取字节，然后保存到一个 byte[] 数组中，最后经常用 new 
String(byte[]); 把 字 节 数 组 转 换 成 String 。 在 最 后 一 步 隐 藏 了 一 个 编 码 的 细 节 ， new 
String(byte[]);会使用操作系统默认的字符集来解码字节数组，中文操作系统就是 GBK。而
我们从输入流里读取的字节很可能就不是 GBK 编码的，因为从输入流里读取的字节编码
取决于被读取的文件自身的编码。举个例子：我们在 D:盘新建一个名为 demo.txt 的文件，

”

”

写入 我们。 ，并保存。此时 demo.txt 编码是 ANSI，中文操作系统下就是 GBK。此时我们
用输入字节流读取该文件所得到的字节就是使用 GBK 方式编码的字节。那么我们最终
new String(byte[]);时采用平台默认的 GBK 来编码成 String 也是没有问题的(字节编码和默
认解码一致)。试想一下，如果在保存 demo.txt 文件时，我们选择 UTF-8 编码，那么该文
件的编码就不在是 ANSI 了，而变成了 UTF-8。仍然采用输入字节流来读取，那么此时读
取的字节和上一次就不一样了，这次的字节是 UTF-8 编码的字节。两次的字节显然不一样，
一个很明显的区别就是：GBK 每个汉字两个字节，而 UTF-8 每个汉字三个字节。如何我
们最后还使用 new String(byte[]);来构造 String 对象，则会出现乱码，原因很简单，因为构
造时采用的默认解码 GBK，而我们的字节是 UTF-8 字节。正确的办法就是使用 new 
String(byte[],”UTF-8”);来构造 String 对象。此时我们的字节编码和构造使用的解码是一致
的，不会出现乱码问题了。

 

说完字节输入流，再来说说字节输出流。

我们知道如果采用字节输出流把字节输出到某个文件，我们是无法指定生成文件的编码
的(假设文件以前不存在)，那么生成的文件是什么编码的呢？经过测试发现，其实这取
决于写入的字节编码格式。比如以下代码：

OutputStream out = new FileOutputStream("d:\\demo.txt");

out.write("我们".getBytes());

getBytes()会采用操作系统默认的字符集来编码字节，这里就是 GBK，所以我们写入
demo.txt 文件的是 GBK 编码的字节。那么这个文件的编码就是 GBK。如果稍微修改一下程
序 ： out.write(" 我 们 ".getBytes(“UTF-8”)); 此 时 我 们 写 入 的 字 节 就 是 UTF-8 的 ， 那 么
demo.txt 文件编码就是 UTF-8

”

”

。这里还有一点，如果把 我们 换成 123 或 abc 之类的 ascii

码字符，那么无论是采用 getBytes()或者 getBytes(“UTF-8”)那么生成的文件都将是 GBK 编
码的。