记一个奇怪的编码转换问题，及探讨“错误: 编码GBK的不可映射字符” 的原因

什么情况？

下面的一段简单代码，发现了奇怪的编码问题：

String docPath = "姝ｆ枃";
// docPath = "正文"; // 注释1
System.out.println("default = " + docPath);

String docPath1 = new String(docPath.getBytes(), "GBK");
System.out.println("GBK = " + docPath1);
String docPath2 = new String(docPath.getBytes(), "UTF-8");
System.out.println("UTF-8 = " + docPath2);
String docPath3 = new String(docPath.getBytes(), "ISO-8859-1");
System.out.println("ISO-8859-1 = " + docPath3);

打印出来结果是？

default = 正文
GBK = 正文
UTF-8 = ????
ISO-8859-1 = ????

而把 注释1 打开，结果是：

default = ????
GBK = ????
UTF-8 = ????
ISO-8859-1 = ????

匪夷所思啊！简直不可思议！！

查看文件编码：

看起来编码是 ISO-8859-1 ？？（经过后面的反复测试，发现，这个高亮的选中行并不是文件的实际编码！！），转换成utf-8，结果显示：

看起来当前文件编码是 GBK ？ ———— 没错，这个应该就是文件的实际编码！！！

可是为什么我明明源码写的是正文，打印出来的是 “ 姝ｆ枃 ” ？？

难道是 console的显示编码的原因？ console的显示编码不可知，是不是 project encoding呢？

把Globa encoding 设置为GBK吧，结果还是一样的.. .

点击Reload Anyway ，结果，文件完全乱码了：

这里说明一下 Reload 和 Convert 的区别，测试发现， Reload 就相当于重新用新的编码打散然后用项目编码格式编码，然后加载，然后覆盖；Convert 是直接用新编码转换然后覆盖；；

难道是IDEA的问题？

通过cmd 命令行执行，可以看到结果都是一样的：

文件编码设置为GBK的时候，出现了不可思议，如果文件编码设置是UTF-8，则一切正常。。（同时可以看到跟 -Dfile.encoding 参数是无关的！！可以理解为 -Dfile.encoding 只在java 读取某些外部文件的时候的默认编码？）

这就奇怪了。这说明class文件本身的内容就是那个了吧。跟IDEA 无关；等等，难道IDEA console 和 cmd 窗口的编码也是GBK？所以..

难道是。。。

新建一个文件TestEncoding.java，notepad++ 编辑，把原来的内容拷贝过来，

import java.io.UnsupportedEncodingException;
import java.net.InetAddress;
import java.net.NetworkInterface;
import java.net.URLDecoder;
import java.util.Enumeration;

/**
 *
 * @author lk
 */
public class TestEncoding {

    public static void main(String[] args) throws  Exception {
//        System.out.println("args = " + args);
//        String localIp = getLocalIp();
//        System.out.println("localIp = " + localIp);

        String docPath = "姝ｆ枃";
         docPath = "正文"; // 注释1
        testEncoding(docPath);
        System.out.println("正文 = " + docPath);
        System.out.println("姝ｆ枃 = " + docPath);

    }

    private static void testEncoding(String docPath) throws UnsupportedEncodingException {
        System.out.println("默认 = " + docPath);

        // 测试默认-转换编码
        String docPath0 = new String(docPath.getBytes());
        System.out.println("默认 = " + docPath0);
        String docPath1 = new String(docPath.getBytes(), "GBK");
        System.out.println("默认 -> GBK = " + docPath1);
        String docPath2 = new String(docPath.getBytes(), "UTF-8");
        System.out.println("默认 -> UTF-8 = " + docPath2);
        String docPath3 = new String(docPath.getBytes(), "ISO-8859-1");
        System.out.println("默认 -> ISO-8859-1 = " + docPath3);

        // 测试转换编码
        String docPath00 = new String(docPath.getBytes("UTF-8"), "GBK");
        System.out.println(" -> UTF-8 -> GBK = " + docPath00);
        String docPath01 = new String(docPath.getBytes("UTF-8"),"UTF-8");
        System.out.println(" -> UTF-8 -> UTF-8 = " + docPath01);

        docPath00 = new String(docPath.getBytes("GBK"), "GBK");
        System.out.println(" -> GBK -> GBK = " + docPath00);
        docPath01 = new String(docPath.getBytes("GBK"),"UTF-8");
        System.out.println(" -> GBK -> UTF-8 = " + docPath01);
    }

}

编码设置为UTF-8 ,

javac编译，然后java执行一下，发现错误：

仔细检查发现，，正是 “姝ｆ枃” 这几个字符，在utf-8 格式下是不能被解析的！！替换为空格 “”就好了，但是编译执行后发现还是不对：

真是不可思议！可见，这个跟是否是 IDEA 无关，这个是编译之后的 class 文件本身内容的关系；

有时候出现：

哦，错误: 编码GBK的不可映射字符。 ———— 连编译都不通过了！！

转换为GB2312，出现

点击“是”

可见出现了乱码，特别注意到，上面的页面的字样和之前执行class 打印出来的是一样的！

javac 同样有错：

郁闷了，先把文件开始的那个文件内容复制，然后把Notepad++ 里的文件内容清空，然后编码转换为GB2312,然后复制文件内容；

然后javac， java 一切正常了。

然后编码格式强制转换为Utf-8，出现下面的情况：

然后javac编译， java运行，发现结果跟在IDEA中发现的一样的奇怪、不可思议；可见，刚刚的转换过程，出现了问题，应该来说，不能直接这么转换！！

然后呢，再转换为GB2312，

一切又正常了！！

为什么？

为此，我能想到的唯一的解释是：编译之后的 class 文件本身内容不同，把不同看起来相同的源码，用不同的编码格式保存，然后编译，然后对比class，果然发现不同：

怎么办？

总之，

1 可见不是可得！！有些java源码文件，其中的字符看起来是正确编码，其实那个是用其他编码格式编码的结果！但是为什么它在源码中显示正确呢？那大概是因为两种编码格式比如 UTF-8和GBK 有一定的交集，编码reload或convert之后，呈现了相同的展现，但其实内容是不同的！—— 这TM 确实有些不好理解啊！换言之，源码的字样到了 class 中会发生一些变化！两者不是相同的！！所以打印出来的会不同！

2 编码转换的时候要小心，特别是 reload，很容易出问题的！不能直接这么转换。如果用Notepad++ 转换文件编码格式，出现了 “无法恢复警告” 那么就不能转；同样，用IDEA reload 也要小心。

3 还是 class 内容的不同；