字符集与编码（六）——getBytes方法及乱码初步
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