为什么存在乱码

字符存储的本质就是二进制字符的编码和解码规则

    byte[] b_gbk = "深".getBytes("GBK");   
    byte[] b_utf8 = "深".getBytes("UTF-8");   
    byte[] b_iso88591 = "深".getBytes("ISO8859-1");   
    byte[] b_unicode = "深".getBytes("unicode");  

将分别返回“深”这个汉字在GBK、UTF-8、ISO8859-1和unicode编码下的byte数组表示，此时b_gbk的长度为2，b_utf8的长度为3，b_iso88591的长度为1，unicode为4。

而与getBytes相对的，可以通过new String(byte[], decode)的方式来还原这个“深”字时，这个new String(byte[], decode)实际是使用decode指定的编码来将byte[]解析成字符串。

String的getBytes()方法是得到一个操作系统默认的编码格式的字节数组。这个表示在不同情况下，返回的东西不一样！ String.getBytes(String decode)方法会根据指定的decode编码返回某字符串在该编码下的byte数组表示，

    String s_gbk = new String(b_gbk,"GBK");   
    String s_utf8 = new String(b_utf8,"UTF-8");   
    String s_iso88591 = new String(b_iso88591,"ISO8859-1");   
    String s_unicode = new String(b_unicode, "unicode");  

通过打印s_gbk、s_utf8、s_iso88591和unicode，会发现，s_gbk、s_utf8和unicode都是“深”，而只有s_iso88591是一个不认识的字符，为什么使用ISO8859-1编码再组合之后，无法还原“深”字呢，其实原因很简单，因为ISO8859-1编码的编码表中，根本就没有包含汉字字符，当然也就无法通过”深”.getBytes(“ISO8859-1”);来得到正确的“深”字在ISO8859-1中的编码值了，所以再通过new String()来还原就无从谈起了。

因此，通过String.getBytes(String decode)方法来得到byte[]时，一定要确定decode的编码表中确实存在String表示的码值，这样得到的byte[]数组才能正确被还原。

有时候，为了让中文字符适应某些特殊要求（如http header头要求其内容必须为iso8859-1编码）和tomcat中全部用ISO-8859-1编码，可能会通过将中文字符按照字节方式来编码的情况，如

String s_iso88591 = new String("深".getBytes("UTF-8"),"ISO8859-1")

这样得到的s_iso8859-1字符串实际是三个在 ISO8859-1中的字符，在将这些字符传递到目的地后，目的地程序再通过相反的方式String s_utf8 = new String(s_iso88591.getBytes(“ISO8859-1”),“UTF-8”)来得到正确的中文汉字“深”。这样就既保证了遵守协议规定、也支持中文

GBK码("你")->URLencode后变成->(%3F%2F)->Tomcat自动替你转一次ISO-8859-1->得到字符串( 23 43 68 23 42 68 每一个符号表示为ISO-8859-1中的一个编码)->接收页面--->再转一次为ISO-8859-1的Byte数组[23,43,68,23,42,68]--->用GBK再转为可读的文字--->(%3F%2F"---->转为("你")     =>即为new String(getBytes(ISO-8859-1),UTF-8)

判断字符串的编码 §

  private boolean useUTF8Coding(String text) {
        return text.equals(new String(text.getBytes(),StandardCharsets.UTF_8));
    }

使用系统默认编码获取字节流（String存在，即已经使用系统默认的编码），然后重新按照指定编码规则，看一下二者是不是相等的字符串

但是上述逻辑是不可行的，思考一下，这样获取的总是 true

如下是可以的，即如果是 iso8859 ，这样转换还可以回去，但是 utf8就会被转换失败

public static boolean isMessyCode(String str) {
    String utf8 = null;
    String iso88591 = null;
    try {
        utf8 = new String(str.getBytes("ISO-8859-1"), "UTF-8");
        iso88591 = new String(utf8.getBytes("UTF-8"), "ISO-8859-1");
    } catch (UnsupportedEncodingException e) {
        e.printStackTrace();
    }
    return !str.equals(iso88591);
}

或者使用正则表达式

public static boolean isMessyCode(String str) {
    String pattern = "[\u4e00-\u9fa5]+";
    Pattern p = Pattern.compile(pattern);
    Matcher m = p.matcher(str);
    while (m.find()) {
        String s = m.group();
        if (!str.contains(s)) {
            return true;
        }
    }
    return false;
}