Question

byte[1024]数组循环转String出现一部分乱码。

// 读取响应 获取
InputStream is = connection.getInputStream();
//循环读取数据 存储到SB 开辟缓冲区。大小4K
byte[] bytes = new byte[4096];
int size = 0;
while ((size = is.read(bytes)) > 0) {

String str = new String(bytes, 0, size, "UTF-8");

System.out.println(str);

sb.append(str);
}

//关闭
is.close();

// 断开连接
connection.disconnect();

偶尔 少部分出现这种乱码 → 湖��
代码那里需要改进，项目全是UTF-8编码。

Answer 1

使用字节流读取UTF-8编码的数据乱码。

首先了解编码 UTF-8 的产生

    Unicode固定了编码方式，但是它的效率不高，如果是英语字母一个字节就可以了。多余的字节就浪耗了资源。

    为了解决资源的浪费。出现了UTF-8编码，UTF-8可以根据不同的符号自动选择编码的长短。比如英文字母可以只用1个字节就够了。常用中文3个。

    

乱码产生的原因分析

    当采用UTF-8编码时，如果固定了每次转换的字节数，那么各种类型的字符混用时有很大可能造成乱码。

    比如每次读取2个字节。

    如果存的是"AB"，那么OK，不会乱码

    如果存的是"A文"，那么每次读取2个字节，A-->可以读出来A，但是“文”没有读取完整，只读了一个字节的信息，还有2个字节的信息没有读取。所以“文”就会出现乱码

解决办法：

方法一：

如果一定要byte[]数组来存在读取的数据，且数据量较小。那么可以扩大数组的容量，让byte[]数组能够存储所有的字节，然后在转换成字符

   // 已知。数据约小于5kb，那么可以把byte数组大小定义成5KB，
    byte[] bytes = new byte[1024*5];

    把所有的数据全部读进去，然后转换成字符，那么不会出现乱码

方法二：

        我们已经分析了UTF-8变长编码读取的一些问题，所以也可以从数据源的编码进行修改。

比如，把源头的编码改成固定长度的编码UTF-32或Uncoide等。

比如UTT-32，每个字符固定用4个字节存储，所以byte[]缓存区的大小，只需要设定为4的倍数。就可以确保不出现乱码

    byte[] bytes = new byte[1024*4];//设置缓存区大小，习惯上设置成1024的倍数

方法三：

        使用IO流中的字符流来包装字节流，最便利的就是使用BufferedReader来实现

InputStream is = connection.getInputStream();
BufferedReader br = new BufferedReader(new InputStreamReader(is,"utf-8"));

    推荐使用方法三：最常用。最便利。

Answer 2

读进来的时候一次最多读1024字节，汉字在不同系统中点的字节数据是不同的，比较日文系统中一个汉字点3个字节，所以有可能遇到刚好读了2个字节进来，少字节了你去转成string当然就会是��

追问

我用的是 字节流，以上代码可有 解决方法么?

追答

用reader一行一行的读吧

BufferedReader reader = new BufferedReader(new InputStreamReader(is))

如果你一定要有用byte来读那么你就得自己判断什么地方是应该不应该放到下一次去转换string

Answer 3

那试试 全部读完，再一次转换。

或者到回车换行再转换

追问

byte buffer[] = new byte[is.available()]; //一次性转换依旧不行
int size = 0;
while ((size = is.read(buffer)) > 0) {
String str = new String(buffer, 0, size, "UTF-8");
sb.append(str);
}
可有方法指点

追答

乱码还和网页的编码有关的了。

先确定网页的编码。网页的编码，是不是UTF-8