理解Java控制台输入奇数个中文乱码

周sir | 2015年6月2日 | 输入输出(IO)操作 | 0 条评论 | 2077

Java控制台输入乱码
这是很常见的获取键盘输入的一段Java代码，但在运行过程中，我发现只要我输入的是中文，而且字符数为奇数，就会出现最后一个字符为乱码的问题，

[java] BufferedReader reader = new BufferedReader(
new InputStreamReader(System.in));
String message;
while ((message = reader.readLine()) != null) {
System.out.println(message);
}[/java]

产生原因：因为这个项目文件的默认字符编码为UTF-8，所以我的控制台的字符编码也自动变成了UTF-8，而键盘的输入流的默认格式是GBK格式，这样就造成了在GBK转UTF-8的过程中产生的奇数乱码错误

解决办法：
第一种: 修改项目文件编码为GBK,控制台的字符编码也自动变成了GBK.
第二种:在代码区域右键 -> run as -> run configurations -> common(右侧) -> console encoding
如果出现此错误，此时的编码格式应该是UTF-8，选择Other，这时可能没有GBK选项，如果没有，则执行之后操作。

理解并解决GBK转UTF-8奇数中文乱码

问题出现：GBK转UTF-8时，奇数个中文会乱码，偶数个中文不会乱码。
三个中文

[java]public static void encodeError() throws UnsupportedEncodingException {
String gbk = "我来了";
String utf8 = new String(gbk.getBytes("UTF-8"));

//模拟UTF-8编码的网站显示
System.out.println(new String(utf8.getBytes(),"UTF-8"));
}
/*
我来??
*/
前面三个中文，后面一个中文，都是奇数
Java代码收藏代码
public static void encodeError2() throws UnsupportedEncodingException {
String gbk = "今年是2011年";
String utf8 = new String(gbk.getBytes("UTF-8"));

//模拟UTF-8编码的网站显示
System.out.println(new String(utf8.getBytes(),"UTF-8"));
}
/*
今年??011??
*/ [/java]

原因：为什么只有奇数个中文才乱码，偶数个却不乱码？下面来分析原因

[java]public static void analyze() throws UnsupportedEncodingException {
String gbk = "我来了";
String utf8 = new String(gbk.getBytes("UTF-8"));
for (byte b : gbk.getBytes("UTF-8")) {
System.out.print(b + " ");
}
System.out.println();
for (byte b : utf8.getBytes()) {
System.out.print(b + " ");
}
}
/*
-26 -120 -111 -26 -99 -91 -28 -70 -122
-26 -120 -111 -26 -99 -91 -28 -70 63
*/ [/java]

注意最后一个字节不同，上面一行才是正确的UTF-8编码。那么为什么下面一行最后一个字节是63，而不是-122呢？这就是导致乱码的原因所在。
GBK编码是一个中文2个字节，而UTF-8编码是一个中文3个字节，当我们调用getBytes(“UTF-8″)方法时，会通过计算来增加字节，使得从GBK的2个字节变成UTF-8对应的3个字节。因此，上例3个中文输出了9个字节。

这里讲一下怎么通过计算增加字节，不深究的读者可以跳过此段。为了醒目，直接用代码讲解

[java]public static void gbk2Utf() throws UnsupportedEncodingException {
String gbk = "我来了";
char[] c = gbk.toCharArray();
byte[] fullByte = new byte[3*c.length];
for (int i=0; i<c.length; i++) {
String binary = Integer.toBinaryString(c[i]);
StringBuffer sb = new StringBuffer();
int len = 16 – binary.length();
//前面补零
for(int j=0; j<len; j++){
sb.append("0");
}
sb.append(binary);
//增加位，达到到24位3个字节
sb.insert(0, "1110");
sb.insert(8, "10");
sb.insert(16, "10");
fullByte[i*3] = Integer.valueOf(sb.substring(0, 8), 2).byteValue();//二进制字符串创建整型
fullByte[i*3+1] = Integer.valueOf(sb.substring(8, 16), 2).byteValue();
fullByte[i*3+2] = Integer.valueOf(sb.substring(16, 24), 2).byteValue();
}
//模拟UTF-8编码的网站显示
System.out.println(new String(fullByte,"UTF-8"));
}
[/java]

现在我们来找出最后一个字节是63，而不是-122的原因。

[java]public static void analyze2() throws UnsupportedEncodingException {
String gbk = "我来了";
byte[] utfBytes = gbk.getBytes("UTF-8");//得到9个字节
String utf8 = new String(utfBytes);//问题就出在这
System.out.print(utf8);
}
/*
鎴戞潵浜?
*/ [/java]

因为文件是GBK编码，new String(utfBytes)默认就是new String(utfBytes,”GBK”)。它会2个字节2个字节地转换成字符，当字节是奇数时最后1个字节转字符就会计算错误，然后直接赋予最后这个字符为?，对应ASCII代码就是63。

解决问题
保证字节正确才是硬道理。当调用getBytes(“UTF-8”)转换成字节数组后，创建ISO-8859-1编码的字符串，ISO-8859-1编码是一个字节对应一个字符，因此不会使最后一个字节错误。

[java]public static void correctEncode() throws UnsupportedEncodingException {
String gbk = "我来了";
String iso = new String(gbk.getBytes("UTF-8"),"ISO-8859-1");
for (byte b : iso.getBytes("ISO-8859-1")) {
System.out.print(b + " ");
}
System.out.println();

//模拟UTF-8编码的网站显示
System.out.println(new String(iso.getBytes("ISO-8859-1"),"UTF-8"));
}
/*
-26 -120 -111 -26 -99 -91 -28 -70 -122
我来了
*/ [/java]

JAVA编码研究之字符转字节到字节转字符

[java]public class Bianma {
private static void printBytes(byte[] bytes) {
for (byte b : bytes) {
printByte(b);
}
System.out.println();
}
private static void printByte(byte abyte) {
String hex = "00"+Integer.toHexString((int)abyte);
System.out.print(hex.substring(hex.length() – 2) + "\t");
}
public static void main(String[] args) throws IOException {
String s = "陶";
printBytes(s.getBytes("GBK"));
printBytes(s.getBytes("UTF-8"));
byte b = (byte) System.in.read();
while (true) {
printByte(b);
b = (byte) System.in.read();
}
}
}[/java]