GBK编码和UTF-8编码互转的大坑

　　这几天遇到一个BUG，问题很简单，解决却花了3、4天，特意记录下来。

　　linux环境下，将默认编码设置为GBK以后，运行GBK编码的脚本，调用一个Java的jar包，然后总jar包中返回GBK字符串。但是不知道是哪里出了问题，返回的参数一直是问号乱码。

　　放上脚本代码：

#!/bin/bash
#str=""$1       $2      $3""
str=""http://iap.zh.gmcc.net/WebService/Notify.asmx    chenliang3      短信测试""
/flash/system/appr/SafeRun.bin 0 0 "/jre/bin/java -jar /appr/adiap.jar ${str}" 2>&1

　　放上调试时的Java代码：

import java.io.ByteArrayOutputStream;
import java.net.MalformedURLException;

import sun.misc.BASE64Decoder;


public class text {

    public static void main(String[] args) throws MalformedURLException, Exception{

        //byte[] fullByte1 = new String(str.getBytes("ISO-8859-1"), "UTF-8").getBytes("GBK");  
        //String fullStr = new String(fullByte1, "GBK");
        
        /* 假设环境是以GBK编码，将数据解码成GBK编码方式，但是任然是？？？乱码
         * 可能一：数据在编码之前已经被编码成utf-8或者ISO-8859-1
         * 可能二：在打包过程中，数据被重新编码
         * String temp = new String(args[0].getBytes("GBK"));
         * String temp1 = new String(args[0].getBytes("gb2312"));
         */
        
        /* 测试是否打包影响编码,结果显示并非打包影响编码
         * String a = new String("短信2测试");
         * String temp = new String(a.getBytes("GBK"),"utf-8");
         * String temp1 = new String(temp.getBytes("utf-8"),"GBK");
         * String ios = new String(a.getBytes("GBK"),"ISO-8859-1");
         * String ios2 = new String(ios.getBytes("ISO-8859-1"),"GBK");
         *
         * System.out.print(a+'
');
         * System.out.print(temp+'
');
         * System.out.print(temp1+'
');
         * System.out.print(ios+'
');
         * System.out.print(ios2);
         */
        
        /* 测试转为了ISO-8859-1还是UTF-8， 未能转回中文字符，应该转码成了UTF-8
         * String ios2 = new String(args[0].getBytes("ISO-8859-1"),"GBK");
         */
        
        /*测试获取到字符串的准确编码,结果为UTF-8
         * String whatsencode = getEncoding(args[0]);
         * System.out.println(whatsencode);
         */
        
        
        /* 是否能直接由UTF-8转为GBK，并未转回中文字符，任然为问好乱码
         * String ios = new String(args[0].getBytes("UTF-8"),"GBK");
         * System.out.print(ios);
         */

        /* 询问大学老师得知，main函数并不会对字符串编码进行变化，
         * 那么会不会是脚本调用jar文件时会否进行编码转换
         * 测试Windows下调用脚本是否会？乱码，脚本运行需要环境，测试不能，陷入困境
         */
        
        /* 决定在shell脚本中将字符串转为base64编码以后传送过来，在java中解码完成后传送回脚本
         * String a = new String("短信测试");
         * String txt64= getBASE64(a);
         * System.out.println(txt64+'
');
         */
        
        
        /*
        String a = new String("短信测试");
        String txt64 = getEncoding(a);
        System.out.println("-----------------"+'
');
        System.out.println(txt64+'
');
        String en = enUnicode(a);
        System.out.println(en);
        System.out.println(deUnicode(en));
        */
        System.out.println("-----------------"+'
');
        System.out.println(enUnicode("tszQxbLiytQ= 短信测试"));
        
        /*将接收到的16进制字符串数组转为字符串再转为字节数组，交换高低位*/
        
        StringBuffer stob = new StringBuffer();
        for(int i =0;i<args.length;i++){
            System.out.println(args[i]);
            if(args[i].length() == 4){
                args[i] = swapHexHL(args[i]);
                stob. append(args[i]);
            }
        }
        String newStr = stob.toString();
        System.out.println(newStr);
        String Upstr = newStr.toUpperCase();
        String deStr = deUnicode(Upstr);
        System.out.println(deStr);
        String utfStr = new String(deStr.getBytes("utf-8"));
        System.out.println(utfStr);

        
        //String newStr = "ccb6c5d0e2b2d4ca000a";
        //byte[] newBt = newStr.getBytes("GBK");
        //System.out.println(newBt);
        
        //System.out.println(deUnicode("B6CCD0C5B2E2CAD40A00"));
        /*
        String txtde64 = getFromBASE64(args[0]);
        System.out.println(txtde64);
        */
    }
    /*检测字符串编码*/
    public static String getEncoding(String str) {      
           String encode = "GB2312";      
          try {      
              if (str.equals(new String(str.getBytes(encode), encode))) {      
                   String s = encode;      
                  return s;      
               }      
           } catch (Exception exception) {      
           }      
           encode = "ISO-8859-1";      
          try {      
              if (str.equals(new String(str.getBytes(encode), encode))) {      
                   String s1 = encode;      
                  return s1;      
               }      
           } catch (Exception exception1) {      
           }      
           encode = "UTF-8";      
          try {      
              if (str.equals(new String(str.getBytes(encode), encode))) {      
                   String s2 = encode;      
                  return s2;      
               }      
           } catch (Exception exception2) {      
           }      
           encode = "GBK";      
          try {      
              if (str.equals(new String(str.getBytes(encode), encode))) {      
                   String s3 = encode;      
                  return s3;      
               }      
           } catch (Exception exception3) {      
           }      
          return "";      
       } 
    /*对字符串进行Base64编码解码*/
    
    public static String getBASE64(String s) { 
        if (s == null) return null; 
        return (new sun.misc.BASE64Encoder()).encode( s.getBytes() ); 
    } 
    public static String getFromBASE64(String s) { 
        if (s == null) return null; 
        BASE64Decoder decoder = new BASE64Decoder(); 
        try { 
            byte[] b = decoder.decodeBuffer(s); 
            return new String(b); 
        } catch (Exception e) { 
            return null; 
        } 
    } 
    
    /*将中文与16进制转换*/
    private static String hexString = "0123456789ABCDEF"; 
    public static String enUnicode(String str) {  
        // 根据默认编码获取字节数组  
        byte[] bytes = str.getBytes();  
        StringBuilder sb = new StringBuilder(bytes.length * 2);  
        // 将字节数组中每个字节拆解成2位16进制整数  
        for (int i = 0; i < bytes.length; i++) {  
            sb.append(hexString.charAt((bytes[i] & 0xf0) >> 4));  
            sb.append(hexString.charAt((bytes[i] & 0x0f) >> 0));  
        }  
        return sb.toString();  
    }
    public static String deUnicode(String bytes) {  
        ByteArrayOutputStream baos = new ByteArrayOutputStream(  
                bytes.length() / 2);  
        // 将每2位16进制整数组装成一个字节  
        for (int i = 0; i < bytes.length(); i += 2)  
            baos.write((hexString.indexOf(bytes.charAt(i)) << 4 | hexString  
                    .indexOf(bytes.charAt(i + 1))));  
        return new String(baos.toByteArray());  
    }
    
    /*对获得的16进制数据进行处理，高低位转换*/
    
    public static String swapHexHL(String temp){
        if (temp == null) return null;
        String high = (String) temp.subSequence(0,2);
        String low = (String) temp.subSequence(2,4);
        String newString = low +high;
        return newString;
    }
    /*去掉XML不认可的字符0x0-0x20*/
    public static String delcode(String in) {
        StringBuffer out = new StringBuffer(); // Used to hold the output.
        char current; // Used to reference the current character.
        if (in == null || ("".equals(in)))
            return ""; // vacancy test.
        for (int i = 0; i < in.length(); i++) {
            current = in.charAt(i);
            if ((current == 0x9) || (current == 0xA) || (current == 0xD)
                    || ((current > 0x20) && (current <= 0xD7FF))
                    || ((current >= 0xE000) && (current <= 0xFFFD))
                    || ((current >= 0x10000) && (current <= 0x10FFFF))
                    || (current < 0x0))
                out.append(current);
        }
        return out.toString().trim();
    }
}

　　放上从网上找来的乱码分析：

一个汉字对应两个问号

在通过GBK从字符串获取字节数组时，由于一个Unicode转换成两个byte，如果此时用ISO-8859-1或用UTF-8构造字符串就会出现两个问号。

若是通过ISO-8859-1构造可以再通过上面所说的错上加错恢复（即再通过从ISO-8859-1解析，用GBK构造）；
若是通过UTF-8构造则会产生Unicode字符＂uFFFD＂，不能恢复，若再通过String－UTF-8〉ByteArray－GBK〉String，则会出现杂码，如a锟斤拷锟斤拷


编码过程中错误诊断参考
１）一个汉字对应一个问号
在通过ISO-8859-1从字符串获取字节数组时，
由于一个Unicode转换成一个byte，
当遇到不认识的Unicode时，转换为0x3F，
这样无论用哪种编码构造时都会产生一个？乱码。


２）一个汉字对应两个问号
在通过GBK从字符串获取字节数组时，由于一个Unicode转换成两个byte，如果此时用ISO-8859-1或用UTF-8构造字符串就会出现两个问号。
若是通过ISO-8859-1构造可以再通过上面所说的错上加错恢复（即再通过从ISO-8859-1解析，用GBK构造）；
若是通过UTF-8构造则会产生Unicode字符＂uFFFD＂，不能恢复，若再通过String－UTF-8〉ByteArray－GBK〉String，则会出现杂码，如a锟斤拷锟斤拷


３）一个汉字对应三个问号
在通过UTF-8从字符串获取字节数组时，由于一个Unicode转换成三个byte，如果此时用ISO-8859-1构造字符串就会出现三个问号；
用GBK构造字符串就会出现杂码，如a涓 枃

　　最后还是没有解决乱码的问题，而是通过将字符串转16进制，在Java中转回的方式实现结果

　　放上最后的脚本代码：

　

#!/bin/bash
str1=""$1    $2""    //$1,$2,$3,是运行脚本时传送的参数
str2="$3"
str3=`echo ${str2} | od -h`
str4=`echo ${str3:8}`
/flash/system/appr/SafeRun.bin 0 0 "/jre/bin/java -jar /appr/adiap.jar ${str1} ${str4}" 2>&1

一个汉字对应两个问号

在通过GBK从字符串获取字节数组时，由于一个Unicode转换成两个byte，如果此时用ISO-8859-1或用UTF-8构造字符串就会出现两个问号。


若是通过ISO-8859-1构造可以再通过上面所说的错上加错恢复（即再通过从ISO-8859-1解析，用GBK构造）；若是通过UTF-8构造则会产生Unicode字符＂uFFFD＂，不能恢复，若再通过String－UTF-8〉ByteArray－GBK〉String，则会出现杂码，如a锟斤拷锟斤拷



编码过程中错误诊断参考１）一个汉字对应一个问号在通过ISO-8859-1从字符串获取字节数组时，由于一个Unicode转换成一个byte，当遇到不认识的Unicode时，转换为0x3F，这样无论用哪种编码构造时都会产生一个？乱码。


２）一个汉字对应两个问号
在通过GBK从字符串获取字节数组时，由于一个Unicode转换成两个byte，如果此时用ISO-8859-1或用UTF-8构造字符串就会出现两个问号。
若是通过ISO-8859-1构造可以再通过上面所说的错上加错恢复（即再通过从ISO-8859-1解析，用GBK构造）；若是通过UTF-8构造则会产生Unicode字符＂uFFFD＂，不能恢复，若再通过String－UTF-8〉ByteArray－GBK〉String，则会出现杂码，如a锟斤拷锟斤拷

３）一个汉字对应三个问号在通过UTF-8从字符串获取字节数组时，由于一个Unicode转换成三个byte，如果此时用ISO-8859-1构造字符串就会出现三个问号；用GBK构造字符串就会出现杂码，如a涓 枃