Java编码及网络传输中的编码问题

近来试着FTP搜索，遇到编码问题，研究了下。

Java内部的String为Unicode编码，每个字符占两个字节。

Java编解码方法如下：

String str = "hi好啊me";  
byte[] gbkBytes=str.getBytes("GBK");//将String的Unicode编码转为GBK编码，输出到字节中  
String string=new String(gbkBytes,"GBK");//gbkBytes中的字节流以GBK方案解码成Unicode形式的Java字符串 

1、表单数据的编码

现在的问题是，在网络中，不知道客户端发过来的字节流的编码方案（发送前浏览器会对数据编码！！！各个浏览器还不一样！！！）

解决方案如下：

当然URLEncoder.encode(str, "utf-8")和URLDecoder.decode(strReceive,"utf-8")方法中的编码方案要一致。

2、网址的编码

但以上方法只适合表单数据的提交；对于URL则不行！！！原因是URLEncoder把'/'也编码了，浏览器发送时报错！！！那么，只要http://IP/子目录把http://IP/这部分原封不动（当然这部分不要有中文），之后的数据以'/'分割后分段编码即可。

代码如下：

/**  
 * 对{@link URLEncoder#encode(String, String)}的封装，但不编码'/'字符，对其他字符分段编码  
 *   
 * @param str  
 *            要编码的URL  
 * @param encoding  
 *            编码格式  
 * @return 字符串以字符'/'隔开，对每一段单独编码以encoding编码格式编码  
 * @version: 2012_01_10  
 *           <p>  
 *           注意：未考虑':'，如直接对http://编解码，会产生错误！！！请在使用前将其分离出来,可以使用  
 *           {@link #encodeURLAfterHost(String, String)}方法解决此问题  
 *           <p>  
 *           注意：对字符/一起编码，导致URL请求异常！！  
 */ 
public static String encodeURL(String str, String encoding) {  
    final char splitter = '/';  
    try {  
        StringBuilder sb = new StringBuilder(2 * str.length());  
        int start = 0;  
        for (int i = 0; i < str.length(); i++) {  
            if (str.charAt(i) == splitter) {  
                sb.append(URLEncoder.encode(str.substring(start, i),  
                        encoding));  
                sb.append(splitter);  
                start = i + 1;  
            }  
        }  
        if (start < str.length())  
            sb.append(URLEncoder.encode(str.substring(start), encoding));  
        return sb.toString();  
    } catch (UnsupportedEncodingException e) {  
        e.printStackTrace();  
    }  
    return null;  
}  
 
/**  
 * 对IP地址后的URL通过'/'分割后进行分段编码.  
 * <p>  
 * 对{@link URLEncoder#encode(String, String)}  
 * 的封装，但不编码'/'字符，也不编码网站部分(如ftp://a.b.c.d/部分，检测方法为对三个'/'字符的检测，且要求前两个连续)，  
 * 对其他字符分段编码  
 *   
 * @param str  
 *            要编码的URL  
 * @param encoding  
 *            编码格式  
 * @return IP地址后字符串以字符'/'隔开，对每一段单独编码以encoding编码格式编码,其他部分不变  
 * @version: 2012_01_10  
 *           <p>  
 *           注意：对字符/一起编码，导致URL请求异常！！  
 */ 
public static String encodeURLAfterHost(String str, String encoding) {  
    final char splitter = '/';  
 
    int index = str.indexOf(splitter);//***个'/'的位置  
    index++;//移到下一位置！！  
    if (index < str.length() && str.charAt(index) == splitter) {//检测***个'/'之后是否还是'/',如ftp://  
        index++;//从下一个开始  
        index = str.indexOf(splitter, index);//第三个'/'；如ftp://anonymous:tmp@g.cn:219.223.168.20/中的***一个'/'  
        if (index > 0) {  
            return str.substring(0, index + 1)  
                    + encodeURL(str.substring(index + 1), encoding);//如ftp://anonymous:tmp@g.cn:219.223.168.20/天空  
        } else 
            return str;//如ftp://anonymous:tmp@g.cn:219.223.168.20  
    }  
 
    return encodeURL(str, encoding);  
 
}  
 
/**  
 * 对IP地址后的URL通过'/'分割后进行分段编码.  
 * 此方法与{@link #decodeURLAfterHost(String, String)}配对使用  
 * @param str  
 *            要解码的URL  
 * @param encoding  
 *            str的编码格式  
 * @return IP地址后字符串以字符'/'隔开，对每一段单独解码以encoding编码格式解码,其他部分不变  
 * @version: 2012_01_10  
 *   
 *           <p>  
 *           注意：对字符/一起解码，将导致URL请求异常！！  
 */ 
public static String decodeURLAfterHost(String str, String encoding) {  
    final char splitter = '/';  
    int index = str.indexOf(splitter);//***个'/'的位置  
    index++;//移到下一位置！！  
    if (index < str.length() && str.charAt(index) == splitter) {//检测***个'/'之后是否还是'/',如ftp://  
        index++;//从下一个开始  
        index = str.indexOf(splitter, index);//第三个'/'；如ftp://anonymous:tmp@g.cn:219.223.168.20/中的***一个'/'  
        if (index > 0) {  
            return str.substring(0, index + 1)  
                    + decodeURL(str.substring(index + 1), encoding);//如ftp://anonymous:tmp@g.cn:219.223.168.20/天空  
        } else 
            return str;//如ftp://anonymous:tmp@g.cn:219.223.168.20  
    }  
 
    return decodeURL(str, encoding);  
 
}  
 
/**  
 * 此方法与{@link #encodeURL(String, String)}配对使用  
 * <p>  
 * 对{@link URLDecoder#decode(String, String)}的封装，但不解码'/'字符，对其他字符分段解码  
 *   
 * @param str  
 *            要解码的URL  
 * @param encoding  
 *            str的编码格式  
 * @return 字符串以字符'/'隔开，对每一段单独编码以encoding编码格式解码  
 * @version: 2012_01_10  
 *   
 *           <p>  
 *           注意：对字符/一起编码，导致URL请求异常！！  
 */ 
public static String decodeURL(String str, String encoding) {  
    final char splitter = '/';  
    try {  
        StringBuilder sb = new StringBuilder(str.length());  
        int start = 0;  
        for (int i = 0; i < str.length(); i++) {  
            if (str.charAt(i) == splitter) {  
                sb.append(URLDecoder.decode(str.substring(start, i),  
                        encoding));  
                sb.append(splitter);  
                start = i + 1;  
            }  
        }  
        if (start < str.length())  
            sb.append(URLDecoder.decode(str.substring(start), encoding));  
        return sb.toString();  
    } catch (UnsupportedEncodingException e) {  
        e.printStackTrace();  
    }  
    return null;  
} 

3、乱码了还能恢复？

问题如下：

貌似图中的utf-8改成iso8859-1是可以的，utf-8在字符串中有中文时不行（但英文部分仍可正确解析）！！！毕竟GBK的字节流对于utf-8可能是无效的，碰到无效的字符怎么解析，是否可逆那可不好说啊。

测试代码如下：

package tests;  
 
import java.io.UnsupportedEncodingException;  
import java.net.URLEncoder;  
 
/**  
 * @author LC  
 * @version: 2012_01_12  
 */ 
public class TestEncoding {  
    static String utf8 = "utf-8";  
    static String iso = "iso-8859-1";  
    static String gbk = "GBK";  
 
    public static void main(String[] args) throws UnsupportedEncodingException {  
        String str = "hi好啊me";  
        //      System.out.println("?的十六进制为：3F");  
        //      System.err  
        //              .println("出现中文时，如果编码方案不支持中文，每个字符都会被替换为？的对应编码！（如在iso-8859-1中）");  
        System.out.println("原始字符串：\t\t\t\t\t\t" + str);  
        String utf8_encoded = URLEncoder.encode(str, "utf-8");  
        System.out.println("用URLEncoder.encode()方法,并用UTF-8编码后:\t\t" + utf8_encoded);  
        String gbk_encoded = URLEncoder.encode(str, "GBK");  
        System.out.println("用URLEncoder.encode()方法,并用GBK编码后：\t\t" + gbk_encoded);  
        testEncoding(str, utf8, gbk);  
        testEncoding(str, gbk, utf8);  
        testEncoding(str, gbk, iso);  
        printBytesInDifferentEncoding(str);  
        printBytesInDifferentEncoding(utf8_encoded);  
        printBytesInDifferentEncoding(gbk_encoded);  
    }  
 
    /**  
     * 测试用错误的编码方案解码后再编码，是否对原始数据有影响  
     *   
     * @param str  
     *            输入字符串，Java的String类型即可  
     * @param encodingTrue  
     *            编码方案1，用于模拟原始数据的编码  
     * @param encondingMidian  
     *            编码方案2，用于模拟中间的编码方案  
     * @throws UnsupportedEncodingException  
     */ 
    public static void testEncoding(String str, String encodingTrue,  
            String encondingMidian) throws UnsupportedEncodingException {  
        System.out.println();  
        System.out  
                .printf("%s编码的字节数据->用%s解码并转为Unicode编码的JavaString->用%s解码变为字节流->读入Java(用%s解码)后变为Java的String\n",  
                        encodingTrue, encondingMidian, encondingMidian,  
                        encodingTrue);  
        System.out.println("原始字符串：\t\t" + str);  
        byte[] trueEncodingBytes = str.getBytes(encodingTrue);  
        System.out.println("原始字节流：\t\t" + bytesToHexString(trueEncodingBytes)  
                + "\t\t//即用" + encodingTrue + "编码后的字节流");  
        String encodeUseMedianEncoding = new String(trueEncodingBytes,  
                encondingMidian);  
        System.out.println("中间字符串：\t\t" + encodeUseMedianEncoding + "\t\t//即用" 
                + encondingMidian + "解码原始字节流后的字符串");  
        byte[] midianBytes = encodeUseMedianEncoding.getBytes("Unicode");  
        System.out.println("中间字节流：\t\t" + bytesToHexString(midianBytes)  
                + "\t\t//即中间字符串对应的Unicode字节流(和Java内存数据一致)");  
        byte[] redecodedBytes = encodeUseMedianEncoding  
                .getBytes(encondingMidian);  
        System.out.println("解码字节流：\t\t" + bytesToHexString(redecodedBytes)  
                + "\t\t//即用" + encodingTrue + "解码中间字符串(流)后的字符串");  
        String restored = new String(redecodedBytes, encodingTrue);  
        System.out.println("解码字符串：\t\t" + restored + "\t\t和原始数据相同？  " 
                + restored.endsWith(str));  
    }  
 
    /**  
     * 将字符串分别编码为GBK、UTF-8、iso-8859-1的字节流并输出  
     *   
     * @param str  
     * @throws UnsupportedEncodingException  
     */ 
    public static void printBytesInDifferentEncoding(String str)  
            throws UnsupportedEncodingException {  
        System.out.println("");  
        System.out.println("原始String:\t\t" + str + "\t\t长度为：" + str.length());  
        String unicodeBytes = bytesToHexString(str.getBytes("unicode"));  
        System.out.println("Unicode bytes:\t\t" + unicodeBytes);  
        String gbkBytes = bytesToHexString(str.getBytes("GBK"));  
        System.out.println("GBK bytes:\t\t" + gbkBytes);  
        String utf8Bytes = bytesToHexString(str.getBytes("utf-8"));  
        System.out.println("UTF-8 bytes:\t\t" + utf8Bytes);  
        String iso8859Bytes = bytesToHexString(str.getBytes("iso-8859-1"));  
        System.out.println("iso8859-1 bytes:\t" + iso8859Bytes + "\t\t长度为：" 
                + iso8859Bytes.length() / 3);  
        System.out.println("可见Unicode在之前加了两个字节FE FF，之后则每个字符两字节");  
    }  
 
    /**  
     * 将该数组转的每个byte转为两位的16进制字符，中间用空格隔开  
     *   
     * @param bytes  
     *            要转换的byte序列  
     * @return 转换后的字符串  
     */ 
    public static final String bytesToHexString(byte[] bytes) {  
        StringBuilder sb = new StringBuilder(bytes.length * 2);  
        for (int i = 0; i < bytes.length; i++) {  
            String hex = Integer.toHexString(bytes[i] & 0xff);// &0xff是byte小于0时会高位补1，要改回0  
            if (hex.length() == 1)  
                sb.append('0');  
            sb.append(hex);  
            sb.append(" ");  
        }  
        return sb.toString().toUpperCase();  
    }  
} 

原文链接：http://cherishlc.iteye.com/blog/1343502

【编辑推荐】

1. 探讨：Java中删除数组中重复元素
2. 用Java GUI编写的画板程序
3. Java的动态绑定机制
4. Java中带复选框的树的实现和应用
5. Java网络编程菜鸟进阶：TCP和套接字入门