乱码产生的原因

乱码产生的原因一般有两种：

    
一种是解析错误；
另一种是在错误解析的基础上加上了编码转换。

（1）解析错误

    
比如一个GB2312编码的文件，使用UTF-8来打开，就会出现乱码。

    
这种情况下，只需要使用正确的编码方式即可解读。很多编辑器都有这个功能，如下图中的NotePad++：

（2）错误的解析和编码转换

    
使用编辑器如何改变编码方式都不对时，很有可能是文本在错误解析的基础上，还进行了编码转换。如下例子：

    
发送方以GBK编码发送，而接收方以UTF-8解码时，就会出现乱码现象。这时接收方想要查看正确的文本，就必须进行反向解析。将乱码以UTF-8编码得到的流再进行GBK解析，才能得到正确的文本。

    
在现实中，我们可能并不知道发送方和接收方的编码。所以应该以程序的方式进行如上的反向解析，如下：

    public static void main(String[] args) throws Exception {
//        byte[] gbkByte = "冥冥".getBytes(Charset.forName("GBK"));
//        String utf8Str = new String(gbkByte, "UTF-8");
//        System.out.println("得到乱码: " + utf8Str);

        String garbageCharacters = "ڤڤ";
        String[] charsets = new String[]{"GBK", "UTF-8", "Windows-1252"};   //可扩充
        //假设原来为encode编码,用decode解析成了乱码,下面进行反向操作
        for (String encode : charsets) {
            for (String decode : charsets) {
                if (!encode.equals(decode)) {
                    String newStr = new String(garbageCharacters.getBytes(decode), encode);
                    System.out.println("反向解析结果为:" + newStr + "，原来的编码为:" + encode + "，误解析为了:" + decode);
                }
            }
        }
    }

运行结果如下：

即可得到正确的文本。

    
注意：并不是所有乱码都是可恢复的，一些不能识别的字符，或经过多次编码和解析错误造成的乱码，都是难以恢复的。