标签：编码 Java 进阶 encoding destination new encode java String
刚刚研究的一个问题“Java同样的汉字在服务器和本地的电脑上URLencode 出来的结果不一致”也涉及了字符串的编码格式。
最简单的方法就是：Charset.defaultCharset();
Servlet中可以使用：request.getCharacterEncoding();
也可以使用上文提到的，不过也不那么简单：
dfltEncName = (String)AccessController.doPrivileged(new GetPropertyAction("file.encoding"));
也有一些其它方式可以参考，如下面这个就比较麻烦了！
public static String getEncoding(String str) {
String encode = "GB2312";
try {
if (str.equals(new String(str.getBytes(encode), encode))) { //判断是不是GB2312
String s = encode;
return s; //是的话，返回“GB2312“，以下代码同理
}
} catch (Exception exception) {
}
encode = "ISO-8859-1";
try {
if (str.equals(new String(str.getBytes(encode), encode))) { //判断是不是ISO-8859-1
String s1 = encode;
return s1;
}
} catch (Exception exception1) {
}
encode = "UTF-8";
try {
if (str.equals(new String(str.getBytes(encode), encode))) { //判断是不是UTF-8
String s2 = encode;
return s2;
}
} catch (Exception exception2) {
}
encode = "GBK";
try {
if (str.equals(new String(str.getBytes(encode), encode))) { //判断是不是GBK
String s3 = encode;
return s3;
}
} catch (Exception exception3) {
}
return ""; //如果都不是，说明输入的内容不属于常见的编码格式。2017-02-10更新
纠正对”Charset.defaultCharset()“的错误理解，”Charset.defaultCharset()“方法的注释内容是返回此Java虚拟机的默认字符集。默认字符集在虚拟机启动期间确定，并且通常取决于底层操作系统的区域设置和字符集。而字符串的编码是受来源影响的！
但是如”Java同样的汉字在服务器和本地的电脑上URLencode 出来的结果不一致“中提到的，”Charset.defaultCharset()“实际上是返回的”file.encoding“，也就是文件采用的编码。
使用”System.getProperties()“ 可以得到如下几种编码相关的属性：
file.encoding.pkg=sun.io
sun.jnu.encoding=GBK
file.encoding=UTF-8
sun.io.unicode.encoding=UnicodeLittle
sun.cpu.endian=little
sun.jnu.encoding 猜测是系统的默认编码，参考：
关于 Java 的系统属性 sun.jnu.encoding 和 file.encoding 的区别
sun.jnu.encoding 影响文件名的创建，而 file.encoding 则影响到文件内容。
所以说，在我们使用 Java 处理中文文件的时候，如果发现文件的中文内容没有乱码，而文件的中文名发生乱码，我们就应当多考虑一下 sun.jnu.encoding 和 file.encoding 的区别了。file.encoding 处理文件内容默认使用的编码；
使用Eclipse main 方法测试时，会自动根据文件内容的编码确定启动JVM使用的编码，如下图：
如果在这里配置了和文件编码不同的编码方式，文件中的字符串输出可能就会产生乱码，如下面的代码输出为：
ISO-8859-1
?????????? ?????18
public static void main(String[] args) {
Properties pro = System.getProperties();
System.out.println(pro.getProperty("file.encoding"));
try {
String destination = new String("中文エキサイト네이버 중국어사전17");
if(destination.equals(new String(destination.getBytes("GB2312"), "GB2312")))
{
System.out.println(destination);
}
destination = new String("中文エキサイト네이버 중국어사전18");
if(destination.equals(new String(destination.getBytes("utf-8"), "utf-8")))
{
System.out.println(destination);
}
} catch (UnsupportedEncodingException e) {
// TODO Auto-generated catch block
e.printStackTrace();
}
}由于文件的编码是”UTF-8“，而调试配置的是：ISO-8859-1
上面的代码我们创建一个名为 ”CharsetTest3.java“的文件，在CMD下编译执行：
打开CMD，切换到文件所在目录：
D:\javaProject\javatrans\src\main\java\wasdev\sample\servlet>javac CharsetTest3.
java
CharsetTest3.java:17: 错误: 编码GBK的不可映射字符
String destination = new String("涓枃銈ㄣ偔銈点偆銉堧
劋鞚措矂 欷戧淡鞏挫偓鞝?17");
^
CharsetTest3.java:23: 错误: 编码GBK的不可映射字符
destination = new String("涓枃銈ㄣ偔銈点偆銉堧劋鞚措矂
欷戧淡鞏挫偓鞝?18");
^
2 个错误
没有指定编码，与系统默认不符！
D:\javaProject\javatrans\src\main\java\wasdev\sample\servlet>javac CharsetTest3.
java -encoding utf-8使用”-encoding utf-8“指定编码，执行成功。
注意：在CMD在测试的时候最好不要使用包名，不然很麻烦，我真想说恨死Java了（包的查找方式太恶心，或许是因为性能考虑所以写的这么死板）。
我的文件完整路径是：D:\javaProject\javatrans\src\main\java\wasdev\sample\servlet\CharsetTest3.java
可以通过” -Dfile.encoding=utf-8“指定编码方式
但是CMD应该是使用的GBK编码，不支持韩文，我们把韩文复制粘贴到CMD窗口中发现这一点：
只见光标后移了，却看不见内容。
sun.cpu.endian=little CPU的字节序为小结尾，这涉及到”主机字节序和网络字节序“的问题，通常主机字节序为小结尾（Little endian：将低序字节存储在起始地址），网络字节序为大结尾（Big endian：将高序字节存储在起始地址）。但不同的处理器（CPU）、操作系统也有可能不同。
优化后的方法：
/**
* 判断字符串的编码
*
* @param str
* @return
*/
public static String getEncoding(String str) {
String encode[] = new String[]{
"UTF-8",
"ISO-8859-1",
"GB2312",
"GBK",
"GB18030",
"Big5",
"Unicode",
"ASCII"
};
for (int i = 0; i < encode.length; i++){
try {
if (str.equals(new String(str.getBytes(encode[i]), encode[i]))) {
return encode[i];
}
} catch (Exception ex) {
}
}
return "";
}说明：把”UTF-8“放在第一位是因为现在使用的比较普遍，见下图：
显示Google记录的2001年至2012年网络上主要编码的使用情况。参考：https://en.wikipedia.org/wiki/UTF-8测试代码：
public static void main(String[] args) {
String str = "中文エキサイト";
String encode = getEncoding(str);
System.out.println(encode);
str = "中文エキサイト네이버 중국어사전";
encode = getEncoding(str);
System.out.println(encode);
}执行输出为：UTF-8
UTF-8注意：如果将数组”String encode[]“中”UTF-8“和”GB2312“的位置换一下，结果就会发生改变为：
GB2312
UTF-8
这是为什么？通过监视以下代码中的”destination.getBytes“，我们可以发现是存在重码区域的！
destination = new String("中文エキサイト네이버 중국어사전17");
if(destination.equals(new String(destination.getBytes("GB2312"), "GB2312")))
{
System.out.println(destination);
}
destination = new String("中文エキサイト네이버 중국어사전18");
if(destination.equals(new String(destination.getBytes("utf-8"), "utf-8")))
{
System.out.println(destination);
}
如下图：
所以”getEncoding“方法的正确性有是局限性的，一方面是数组中包含的编码的各类是否够全，一方面是需要判断的字符串特征是否明显。
2018-12-13更新
原理是根据编码字符集和给定字符串的编码相似度去猜测，并不能给出百分百正确的结果。
比如：你想判断字符串“123456”的编码，但是由于每一个编码字符集中都包含数字的编码，所以返回哪一个编码都没有错，但可能不是你期望的。
======================文档信息===========================
版权声明：非商用自由转载-保持署名-注明出处
署名(BY) ：testcs_dn(微wx笑)
文章出处：[无知人生，记录点滴](http://blog.csdn.net/testcs_dn)
再分享一下我老师大神的人工智能教程吧。零基础！通俗易懂！风趣幽默！还带黄段子！希望你也加入到我们人工智能的队伍中来！http://www.captainbed.net
标签：编码,Java,进阶,encoding,destination,new,encode,java,String 来源： https://www.cnblogs.com/skiwndhed/p/10468984.html
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。