本系列文章經補充和完善，已修訂整理成書《Java程式設計的邏輯》（馬俊昌著），由機械工業出版社華章分社出版，於2018年1月上市熱銷，讀者好評如潮！各大網店和書店有售，歡迎購買：京東自營連結
亂碼
上節說到亂碼出現的主要原因，即在進行編碼轉換的時候，如果將原來的編碼識別錯了，並進行了轉換，就會發生亂碼，而且這時候無論怎麼切換檢視編碼的方式，都是不行的。
我們來看一個這種錯誤轉換後的亂碼，還是用上節的例子，二進位制是(16進製表示)：C3 80 C3 8F C3 82 C3 AD，無論按哪種編碼解析看上去都是亂碼：
| UTF-8 | ÀÏÂí |
| Windows-1252 | ÀÃÂà |
| GB18030 | 脌脧脗鉚 |
| Big5 | ���穩 |
雖然有這麼多形式，但我們看到的亂碼形式很可能是"ÀÏÂí"，因為在例子中UTF-8是編碼轉換的目標編碼格式，既然轉換為了UTF-8，一般也是要按UTF-8檢視。
亂碼恢復
"亂"主要是因為發生了一次錯誤的編碼轉換，恢復是要恢復兩個關鍵資訊，一個是原來的二進位制編碼方式A，另一個是錯誤解讀的編碼方式B。
恢復的基本思路是嘗試進行逆向操作，假定按一種編碼轉換方式B獲取亂碼的二進位制格式，然後再假定一種編碼解讀方式A解讀這個二進位制，檢視其看上去的形式，這個要嘗試多種編碼，如果能找到看著正常的字元形式，那應該就可以恢復。
這個聽上去可能比較模糊，我們舉個例子來說明，假定亂碼形式是"ÀÏÂí"，嘗試多種B和A來看字元形式。我們先使用編輯器，以UltraEdit為例，然後使用Java程式設計來看。
使用UltraEdit
UltraEdit支援編碼轉換和切換檢視編碼方式，也支援檔案的二進位制顯示和編輯，所以我們以UltraEdit為例，其他一些編輯器可能也有類似功能。
新建一個UTF-8編碼的檔案，拷貝"ÀÏÂí"到檔案中。使用編碼轉換，轉換到windows-1252編碼，功能在 "檔案"->"轉換到"->"西歐"->WIN-1252。 轉換完後，開啟十六進位制編輯，檢視其二進位制形式，如下圖所示：
可以看出，其形式還是ÀÏÂí，但二進位制格式變成了 C0 CF C2 ED。這個過程，相當於假設B是windows-1252。這個時候，再按照多種編碼格式檢視這個二進位制，在UltraEdit中，關閉十六進位制編輯，切換檢視編碼方式為GB18030，功能在 "檢視"->"檢視方式（檔案編碼）"->"東亞語言"->GB18030，切換完後，同樣的二進位制神奇的變為了正確的字元形式 "老馬"，開啟十六進位制編輯器，可以看出，二進位制還是C0 CF C2 ED，這個GB18030相當於假設A是GB18030。
這個例子我們碰巧第一次就猜對了。實際中，我們可能要做多次嘗試，過程是類似的，先進行編碼轉換（使用B編碼），然後使用不同編碼方式檢視（使用A編碼），如果能找到看上去對的形式，就恢復了。下圖列出了主要的B編碼格式，對應的二進位制，按A編碼解讀的各種形式。
使用Java
關於使用Java我們還有很多知識沒有介紹，但一些讀者已經有很好的Java知識，所以本文一併列出相關程式碼。
Java中處理字串的類有String，String中有我們需要的兩個重要方法：
- public byte[] getBytes(String charsetName)，這個方法可以獲取一個字串的給定編碼格式的二進位制形式
- public String(byte bytes[], String charsetName)，這個構造方法以給定的二進位制陣列bytes按照編碼格式charsetName解讀為一個字串。
將A看做GB18030，B看做Windows-1252，進行恢復的Java程式碼如下所示：
String str = "ÀÏÂí";
String newStr = new String(str.getBytes("windows-1252"),"GB18030");
System.out.println(newStr);
複製程式碼先按照B編碼(windows-1252)獲取字串的二進位制，然後按A編碼(GB18030)解讀這個二進位制，得到一個新的字串，然後輸出這個字串的形式，輸出為"老馬"。
同樣，這個一次碰巧就對了，實際中，我們可以寫一個迴圈，測試不同的A/B編碼中的結果形式，程式碼如下所示：
public static void recover(String str)
throws UnsupportedEncodingException{
String[] charsets = new String[]{"windows-1252","GB18030","Big5","UTF-8"};
for(int i=0;i<charsets.length;i++){
for(int j=0;j<charsets.length;j++){
if(i!=j){
String s = new String(str.getBytes(charsets[i]),charsets[j]);
System.out.println("---- 原來編碼(A)假設是: "+charsets[j]+", 被錯誤解讀為了(B): "+charsets[i]);
System.out.println(s);
System.out.println();
}
}
}
}
複製程式碼以上程式碼使用不同的編碼格式進行測試，如果輸出有正確的，那麼就可以恢復。
恢復的討論
可以看出，這種嘗試需要進行很多次，上面例子嘗試了常見編碼GB18030/Windows 1252/Big5/UTF-8共十二種組合。這四種編碼是常見編碼，在大部分實際應用中應該夠了，但如果你的情況有其他編碼，可以增加一些嘗試。
不是所有的亂碼形式都是可以恢復的，如果形式中有很多不能識別的字元如�?，則很難恢復，另外，如果亂碼是由於進行了多次解析和轉換錯誤造成的，也很難恢復。
小結
上節和本節介紹了編碼的知識，亂碼的原因及恢復方法，這些都是與語言無關的。
接下來，是時候看看在Java中如何表示和處理字元了，我們知道Java中用char型別表示一個字元，但在第三節我們提到了一個問題，即"字元型別怎麼也可以進行算術運算和比較?"。
我們需要對Java中的字元型別有一個更為清晰和深刻的理解。
未完待續，檢視最新文章，敬請關注微信公眾號“老馬說程式設計”(掃描下方二維碼)，深入淺出，老馬和你一起探索Java程式設計及計算機技術的本質。原創文章，保留所有版權。
