getBytes

在 前一篇 里我们谈了Unicode的代码单元及string.length，现在接着前面的讨论继续谈string.getBytes()方法并对乱码的产生作初步分析。 string.getBytes方法 首先声明一下，以下讨论如无特别说明，均是在Java语言环境下。如果你用的不是java，我只能说声抱歉。但另一方面，我相信无论是何种语言或平台，也必然有类似的方法及类似的处理，而其中的原理也必将是相通的，当然了，具体到细节上则可能会有些差异。 带参数的调用 首先，string.getBytes它可以带参数去调用，这是最简单的情形，如下 @Test public void testGetBytesGbk() throws UnsupportedEncodingException { String str = "hello你好"; assertThat(str.getBytes("GBK").length).isEqualTo(9); } 因为GBK是变长编码，对ASCII字符采用一字节，汉字则是两字节，所以总的长度是1×5+2×2=5+4=9，所以测试是通过的。 注：本文代码均已经上传到开源中国oschina的git.oschina.net上，具体代码见 http://git.oschina.net/goldenshaw/java_code_complete/blob/master

先讲个小故事，虽然跟主题有点不太相关哈： 唐朝诗人李绅，身为官员，脾气暴躁，瞧不起信教的，尤其鄙视装逼之僧人，动不动就对他们拳脚相加。曾扬言：“我可以接见他们，要能答出来还好，要是答不出来，我弄死他！”有一回一个和尚来跟他宣传因果报应，李绅问：“阿师 从哪里来，到哪里去呢 ？”僧答：“贫僧 从来处来，到去处去 。”李绅当时就急了， 撸起袖子，亮出了手腕：“我去年买了个表！” 来自知乎问答“ 古人是如何「装逼」的？ ”，略有改动。 String到哪里去？ 有了前面僧人的教训，在这里就不故弄玄虚了，应该说String的去处还是蛮确定的，那就是到byte[]中去，方式就是通过getBytes这一方法。 new String与getBytes 如果说new String(byte[], encoding)是从byte[]到String的过程，那么getBytes(encoding)则正好与之相反：它是从String到byte[]的过程。 或许我们应该说，它从去处来，又到来处去。 编码的逆转 显然，我们一直在说，String也不过是一堆byte，getBytes的过程不过是UTF-16编码的byte[]再转回去其它编码的byte[]的过程。无论是new String还是getBytes，不过都是在玩编码的转换而已。 从上图中可以看出String作为桥梁