前言 preface

因为编程的原因，经成会遇到字符编码的问题。如开发工具使用的是UTF-8编码（推荐使用），然后需要导入一个从其它地方获取的工程项目，但是这个工程使用了GBK编码方式。这就导致了一个常见的问题——乱码。

虽然这里的代码是不影响，但是中文注释全部都乱码了，这可不好玩了，很影响对于代码的阅读，尤其是那种比较多源文件的项目。通常，我的处理方式就是，对于每一个文件，使用记事本依次另存为另一种编码或者使用Notepad++的编码转换。这里推荐一下Notepad++，编码转换使用还是比较方便的。但是一个一个的转换，这都是重复性的操作，有时候也是挺烦的。所以，就萌生了一个使用代码来解决的想法。虽然是一个看似很简单的问题，但是其实是很考验我们对于基础知识的掌握的。

想法 idea

这里对于文本文件要有一个理解，任何文件本质上都是字节文件，只不过文本文件使用了字符集编码。也就是说，打开文件显示的字符并不是文件里面存储的真实字符，文件里面存储的永远只是字节。 大致可以按照下图这样来比较简单理解这个过程，打开文件的过程是一个字符映射的过程。

从字节到符号的过程是解码，从符号到字节的过程是编码。

我们看到的字符是字节经过编码映射，然后机器将特定的字符显示到屏幕上面。例如下面这副图片，以“龙”字符为例说明。

对于不同的编码集，字符”龙“具有不同的编码值，这里编码值指的是编码字节的值。
注意这里这个Unicode编码不是龙字的UTF-8编码，这里有点误导人了，但是我们可以去其它地方查询龙字的UTF-8编码，或者也不用舍近求远，如果你了解这方面的知识的话，直接使用代码输出就行了。

演示 demo

这里通过一段代码来演示编解码过程，理解这个话的，基本上就知道上面所说的东西了。
这段代码需要一些关于字符、字节和编码的基础知识。

package dragon; import java.io.ByteArrayOutputStream; import java.math.BigInteger; import java.nio.charset.Charset; public class TestMain { public static void main(String[] args) { int 龙_GBK = 0xC1FA; int 龙_UTF8 = 0xe9be99;   ByteArrayOutputStream out = new ByteArrayOutputStream();         out.write((龙_GBK >>> 8) & 0xFF); //依次将GBK编码的龙和UTF-8编码的龙写入输出流，这里由于GBK         out.write((龙_GBK >>> 0) & 0xFF); //是双字节编码， 因此只写入低两位即可，         out.write((龙_UTF8 >>> 16) & 0xFF); //UTF-8是可变长的编码方式，这里的话 龙 是三字节编码。         out.write((龙_UTF8 >>> 8) & 0xFF);         out.write((龙_UTF8 >>> 0) & 0xFF); byte[] data = out.toByteArray();         Charset GBK = Charset.forName("GBK");         Charset UTF_8 = Charset.forName("UTF-8");         System.out.println("不同编码显示同一字符：");         System.out.println("使用GBK编码表示的汉字： 龙--->" + new String(data, 0, 2, GBK));         System.out.println("使用UTF-8编码表示的汉字：龙--->" + new String(data, 2, 3, UTF_8));         System.out.println("同一字符编码为不同字符集表示：");         System.out.println("龙 使用GBK编码表示：" + new BigInteger(1, "龙".getBytes(GBK)).toString(16));         System.out.println("龙 使用UTF-8编码表示：" + new BigInteger(1, "龙".getBytes(UTF_8)).toString(16)); } } 

运行结果

小结 brief summary

这个结果是不是很有趣呢！

0xc1fa(字节)——>GBK解码——>龙（字符）
龙（字符）——>UTF-8编码——>0xe9be99（字节）

一个很自然的想法是，如果把上面这两个过程合起来，不就可以完成不同字符集编码的转换了吗？
当然了，注意前提是需要转换的部分的字符在两个编码集中都是存在的。毕竟你是无法把一个字符集中不存在的字符映射过去。

通过上面的演示可以看出来，想要实现编码的转换，就是先将字节解码（本来的编码方式）为符号，再编码（希望的编码）为字节。

即：字节——解码——字符——编码——字节。
注意解码和编码对应的字符集不同，所以原始字节和最终生成的字节是不同的。

这里画的图是从UTF-8到GBK的转换，当然了，也可以反过来的。

实现 implement

测试文件 test file

首先提供这样的两个文件，因为我的window的cmd使用是默认的编码，应该是GBK，但是我的这个两个文件都是UTF-8编码的，所以，这里打开是乱码。你也不知道里面写的是啥了。

最终代码 final code

package dragon; import java.io.BufferedReader; import java.io.BufferedWriter; import java.io.File; import java.io.FileInputStream; import java.io.FileNotFoundException; import java.io.FileOutputStream; import java.io.IOException; import java.io.InputStreamReader; import java.io.OutputStreamWriter; import java.nio.charset.Charset; import java.util.Objects; import java.util.stream.Stream; /**  * 编码转换  * UTF_8  * GBK  * */ public class EncodeTranslate { private File[] files; //需要转码的文件名字符串 private File desDir; //转码后存放的文件目录 private Charset srcCharset; //文件当前编码 private Charset desCharset; //文件目标编码 /**   * @param path 目标文件的路径   * @Param desPath 目的文件的存放路径   * @param type 目标文件的类型   * @param srcEncode 目标文件的编码   * @param desEncode 目的文件的编码   *    * */ public EncodeTranslate(String path, String desPath, String type, String srcEncode, String desEncode) throws FileNotFoundException {   File dirFile  = new File(path); if (!dirFile.exists()) { throw new FileNotFoundException("文件路径不存在：" + path); } this.files = dirFile.listFiles((dir, name)->name.contains(type)); if (this.files.length == 0) { throw new FileNotFoundException("文件路径下不存在相关类型的文件：" + path + "->" + type); }      desDir = new File(desPath); if (!desDir.exists()) { //目标文件夹不存在，就创建 if (!desDir.mkdirs()) { //目标文件夹创建失败，路径冲突 throw new FileNotFoundException("无法创建目标路径：" + desPath); } } else { if (!desDir.isDirectory()) { throw new FileNotFoundException("目标路径不是文件夹"); } } this.srcCharset = Charset.forName(srcEncode); this.desCharset = Charset.forName(desEncode); } /**   * java 8 的 Stream 的简单应用   * */ public void encodeTranslate() {   Stream.of(files).forEach(this::translate); } /**   * 把需要转码文件的中字符串按行读取出来，然后对其使用它本身的字符集解码成字节数组，   * 再对字节数组按照需要的字符集编码成字符串，然后写入目的文件中。   * */ public void translate(File file) { try (BufferedReader reader = new BufferedReader(new InputStreamReader(new FileInputStream(file), srcCharset))) {    String fileName = file.getName();    File newFile = new File(desDir, fileName); try (BufferedWriter writer = new BufferedWriter(new OutputStreamWriter(new FileOutputStream(newFile), desCharset))) {     String line = null; while (Objects.nonNull(line = reader.readLine())) { byte[] data = line.getBytes(desCharset); // 完成转码最为关键的两步      String newLine = new String(data, desCharset);      writer.write(newLine);      writer.newLine(); } } } catch (FileNotFoundException e) {    e.printStackTrace(); } catch (IOException e) {    e.printStackTrace(); } } } package dragon; import java.io.FileNotFoundException; public class Main { public static void main(String[] args) throws FileNotFoundException { if (args.length != 5) {    System.out.println("请正确输入各个参数！"); return ; }   String path = args[0];   String desPath = args[1];   String type = args[2];   String srcEncode = args[3];   String desEncode = args[4]; // 直接抛出异常，不做处理！   EncodeTranslate encodeTranslate = new EncodeTranslate(path, desPath, type, srcEncode, desEncode);   encodeTranslate.encodeTranslate();   System.out.println("File Encode Translate Success!"); } } 

简要说明

这里无论是读取还是写入都必须指定编码集合，否则是会使用系统默认的编码集，那样也是会出现问题的，因此建议对于任何的文本文件读取和写入都应该显示的指定编码集，以杜绝因此导致的问题。

例如：我最开始没有指定写入文件时的编码集，因为IDE使用的是UTF-8，但是我写入的是GBK编码的内容（我这里只是测试 UTF-8 转 GBK），导致打开文件仍然是乱码。这是一个需要注意的地方。！

//使用指定的编码集读取文件 BufferedReader reader = new BufferedReader(new InputStreamReader(new FileInputStream(file), srcCharset)) //使用指定的编码集写入文件 BufferedWriter writer = new BufferedWriter(new OutputStreamWriter(new FileOutputStream(newFile), desCharset)) 

测试输入 test input

这里我就不在cmd里面测试了，我直接使用IDE来测试了，注意下面的五个输入参数，以空格来分隔。
或者你也可以在cmd里面使用，也挺方便的。

测试结果 test result

测试输出信息

测试输出文件

测试输出文件是否转换成功

这里只选取Test1.java来测试即可 。

总结 summary

自己动手实现想法的过程中，也学到了不少东西，因为编码的过程中会遇到一些问题，可能某些概念掌握的不清楚，或者自认为掌握了，实现起来的时候，才会发现，其实不是自己想的那么回事，哈哈！

这是我最开始认为的实现方式，我还沾沾自喜呢。我以为我先按照srcCharset的编码方式解码，再将其按照desCharset的编码方式编码就行了。当时如果你理解上面的话，就会发现这个根本就是不对的嘛！ 结果是得到了，完全的乱码文件了，使用notepad++怎么转换也不行了。（当然了，如果再反过来使用代码，也许还有救吧！）

 byte[] data = line.getBytes(srcCharset); // 完成转码最为关键的两步    String newLine = new String(data, desCharset); 

后来我反应过来了（思索了一会儿），只需要 byte[] data = line.getBytes(desCharset); 这样即可，把字符直接转成desCharset编码即可。并且对于这个字符、编码、字节的概念理解又多了一点，这才是写这篇博客最大的收获吧！

我以前一直对这个编码集和字节的关系感到很好奇，当我开始学习Java的IO流的时候，乱码伴随了我好久，例如一开始遇到：UTF-8 BOM 问题时，网上有人回答的是无法解决，我当时还是相信的了（可见错误的答案对人的误解），当时还是坚持去查找，最后发现了这个BOM这个关键字，也就解决了开头的那个文件内容输出开头的那个 ? 问题。编码转换本身是包含很多细枝末节的知识的，就算是现在的我也只是了解到了一些皮毛的知识，这些暂时是够用了，但是还是需要继续学习才行。
随便提一下，这里我主要使用的 InputStreamReader 和 OutputStreamWriter 正好是我刚开始解决编码，学会使用的两个类，哈哈！这也不算是巧合吧，应该说是一种积累！

附 PS

这个程序还可以继续完善，我这里没有涉及文件夹嵌套，例如一个目录里面含有多个文件夹，每个文件夹还含有需要转换的文件。对于通常的项目工程来说，很多的包是必备的，所以对于这种类型的转换直接使用上面的代码是不行的。上面的代码只是一个简单的技术实现，如果想要适应更复杂的情况，还需要继续完善，例如加一个递归就更完美了。有时间的话，也许会补上吧！