这主要是字符串编码问题引起的,所以需要转换字符再次编码。
转自:http://www.qqread.com/java/2010/10/d496127.html
String 的getBytes()方法是得到一个字串的字节数组,这是众所周知的。但特别要注意的是,本方法将返回该操作系统默认的编码格式的字节数组。如果你在使用这个方法时不考虑到这一点,你会发现在一个平台上运行良好的系统,放到另外一台机器后会产生意想不到的问题。比如下面的程序,
1. class TestCharset
2. {
3.
4. public static void main(String[] args)
5. {
6. new TestCharset().execute();
7. }
8.
9. private void execute() {
10. String s = "Hello!你好!";
11.
12. byte[] bytes = s.getBytes();
13.
14. System.out.println("bytes lenght is:" + bytes.length);
15.
16.
17. }
18.
19. }
在一个中文WindowsXP系统下,运行时,结果为:
bytes lenght is:12
但是如果放到了一个英文的UNIX环境下运行:
$ java TestCharset
bytes lenght is:9
如果你的程序依赖于该结果,将在后续操作中引起问题。为什么在一个系统中结果为12,而在另外一个却变成了9了呢?上面已经提到了,该方法是和平台(编码)相关的。在中文操作系统中,getBytes方法返回的是一个GBK或者GB2312的中文编码的字节数组,其中中文字符,各占两个字节。而在英文平台中,一般的默认编码是“ISO-8859-1”,每个字符都只取一个字节(而不管是否非拉丁字符)。
Java中的编码支持
Java是支持多国编码的,在Java中,字符都是以Unicode进行存储的,比如,“你”字的Unicode编码是“4f60”,我们可以通过下面的实验代码来验证:
1. class TestCharset
2. {
3.
4. public static void main(String[] args)
5. {
6. char c = '你';
7. int i = c;
8. System.out.println(c);
9. System.out.println(i);
10. }
11.
12. }
不管你在任何平台上执行,都会有相同的输出:
----------------- output ------------------
你
20320
20320就是Unicode “4f60”的整数值。其实,你可以反编译上面的类,可以发现在生成的.class文件中字符“你”(或者其它任何中文字串)本身就是以Unicode编码进行存储的:
1. char c = 'u4F60';
2. ... ...
即使你知道了编码的编码格式,比如:
javac -encoding GBK TestCharset.java
编译后生成的.class文件中仍然是以Unicode格式存储中文字符或字符串的。
使用String.getBytes(String charset)方法
所以,为了避免这种问题,我建议大家都在编码中使用String.getBytes(String charset)方法。下面我们将从字串分别提取ISO-8859-1和GBK两种编码格式的字节数组,看看会有什么结果:
1. class TestCharset
2. {
3.
4. public static void main(String[] args)
5. {
6. new TestCharset().execute();
7. }
8.
9. private void execute() {
10. String s = "Hello!你好!";
11.
12. byte[] bytesISO8859 =null;
13. byte[] bytesGBK = null;
14.
15. try
16. {
17. bytesISO8859 = s.getBytes("iso-8859-1");
18. bytesGBK = s.getBytes("GBK");
19. }
20. catch (java.io.UnsupportedEncodingException e)
21. {
22. e.printStackTrace();
23. }
24.
25. System.out.println("-------------- 8859 bytes:");
26. System.out.println("bytes is: " + arrayToString(bytesISO8859));
27. System.out.println("hex format is:" + encodeHex(bytesISO8859));
28. System.out.println();
29.
30. System.out.println("-------------- GBK bytes:");
31. System.out.println("bytes is: " + arrayToString(bytesGBK));
32. System.out.println("hex format is:" + encodeHex(bytesGBK));
33.
34. }
35.
36. public static final String encodeHex (byte[] bytes) {
37. StringBuffer buff = new StringBuffer(bytes.length * 2);
38. String b;
39. for (int i=0; i<bytes.length ; i++)
40. {
41. b = Integer.toHexString(bytes[i]);
42. // byte是两个字节的,而上面的Integer.toHexString会把字节扩展为4个字节
43. buff.append(b.length() > 2 ? b.substring(6,8) : b);
44. buff.append(" ");
45. }
46. return buff.toString();
47. }
48.
49. public static final String arrayToString (byte[] bytes) {
50. StringBuffer buff = new StringBuffer();
51. for (int i=0; i<bytes.length ; i++)
52. {
53. buff.append(bytes[i] + " ");
54. }
55. return buff.toString();
56. }
57.
58. }
执行上面程序将打印出:
1. --------------
2. 8859 bytes:
3. bytes is: 72 101 108 108 111 33 63 63 63
4. hex format is:48 65 6c 6c 6f 21 3f 3f 3f
5.
6. --------------
7. GBK bytes:
8. bytes is: 72 101 108 108 111 33 -60 -29 -70 -61 -93 -95
9. hex format is:48 65 6c 6c 6f 21 c4 e3 ba c3 a3 a1
可见,在s中提取的8859-1格式的字节数组长度为9,中文字符都变成了“63”,ASCII码为63的是“?”,一些国外的程序在国内中文环境下运行时, 经常出现乱码,上面布满了“?”,就是因为编码没有进行正确处理的结果。而提取的GBK编码的字节数组中正确得到了中文字符的GBK编码。字符 “你”“好”“!”的GBK编码分别是:“c4e3”“bac3”“a3a1”。得到了正确的以GBK编码的字节数组,以后需要还原为中文字串时,可以使用下面方法:
new String(byte[] bytes, String charset)
所以言归正传:需要将“gb2312”转化为"iso8859-1",具体好像http header一般都是iso8859-1的,除非给服务器配置时做特殊的设定
fixedName=new String(fileName.getBytes("gb2312"),"iso8859-1");
streamResult.setContentDisposition(String.format("attachment; filename=%s",fixedName));
转自:http://www.iteye.com/topic/71070
经过我初步对JDK中源代码的研究,这个编码貌似是由
- System.getProperty("file.encoding", "ISO8859_1");
确定的。