关闭

Java 中的编码问题2

485人阅读 评论(0) 收藏 举报
分类:

1、file 读取 编码

public static List<String> getLines(String fileName){     
        List<String> lines=new ArrayList<String>();     
        try {     
            BufferedReader br=new BufferedReader(new InputStreamReader(new FileInputStream(fileName),"UTF-8"));     
            String line = null;     
            while ((line = br.readLine()) != null) {     
               lines.add(line);     
           }     
          br.close();     
       } catch (FileNotFoundException e) {     
       }catch (IOException e) {}     
       return lines;     
 }   

注意:这个UTF-8是 你想要以什么编码方式 来读取这个文件,也就是解码的方式。


2、读取ANSI 乱码问题

	private static String forTest(String file) throws IOException {
		File f = new File(file);
		InputStreamReader read = new InputStreamReader(new FileInputStream(f),
				"GBK");
		BufferedReader reader = new BufferedReader(read);
		String line;
		String s = "";
		while ((line = reader.readLine()) != null) {
			s = s+line;
		}
		return s;
	}



3、JavaUnicode

原文:http://blog.csdn.net/wangshfa/article/details/8562304  



Javaclass文件采用utf8的编码方式,JVM运行时采用utf16Java的字符串是unicode编码的。总之,Java采用了unicode字符集,使之易于国际化。

 

Java支持哪些字符集:

Java能识别哪些字符集并对它进行正确地处理?查看Charset 类,最新的JDK支持160种字符集。可以通过static方法availableCharsets拿到所有Java支持的字符集。

assertEquals(160, Charset.availableCharsets().size());  

 

Set<String> charsetNames = Charset.availableCharsets().keySet();  

 

assertTrue(charsetNames.contains("utf-8"));  

assertTrue(charsetNames.contains("utf-16"));  

assertTrue(charsetNames.contains("gb2312"));  

 

assertTrue(Charset.isSupported("utf-8"));

 

需要在哪些时候注意编码问题?

1.         从外部资源读取数据:

这跟外部资源采取的编码方式有关,我们需要使用外部资源采用的字符集来读取外部数据:

InputStream is = new FileInputStream("res/input2.data");  

InputStreamReader streamReader = new InputStreamReader(is, "GB18030");

这里可以看到,我们采用了GB18030编码读取外部数据,通过查看streamReaderencoding可以印证:

assertEquals("GB18030", streamReader.getEncoding());

正是由于上面我们为外部资源指定了正确的编码,当它转成char数组时才能正确地进行解码(GB18030 -> unicode):

char[] chars = new char[is.available()];  

streamReader.read(chars, 0, is.available());

但我们经常写的代码就像下面这样:

InputStream is = new FileInputStream("res/input2.data");  

InputStreamReader streamReader = new InputStreamReader(is);

这时候InputStreamReader采用什么编码方式读取外部资源呢?Unicode?不是,这时候采用的编码方式是JVM的默认字符集,这个默认字符集在虚拟机启动时决定,通常根据语言环境和底层操作系统的 charset来确定。可以通过以下方式得到JVM的默认字符集:

Charset.defaultCharset(); 

为什么要这样?因为我们从外部资源读取数据,而外部资源的编码方式通常跟操作系统所使用的字符集一样,所以采用这种默认方式是可以理解的。

好吧,那么我通过我的IDE Ideas创建了一个文件,并以JVM默认的编码方式从这个文件读取数据,但读出来的数据竟然是乱码。为何?呵呵,其实是因为通过Ideas创建的文件是以utf-8编码的。要得到一个JVM默认编码的文件,通过手工创建一个txt文件试试吧。

2.         字符串和字节数组的相互转换

我们通常通过以下代码把字符串转换成字节数组:

"string".getBytes();

但你是否注意过这个转换采用的编码呢?其实上面这句代码跟下面这句是等价的:

"string".getBytes(Charset.defaultCharset());

也就是说它根据JVM的默认编码(而不是你可能以为的unicode)把字符串转换成一个字节数组。

反之,如何从字节数组创建一个字符串呢?

new String("string".getBytes());

同样,这个方法使用平台的默认字符集解码字节的指定数组(这里的解码指从一种字符集到unicode)。

 

字符串编码迷思:

new String(input.getBytes("ISO-8859-1"), "GB18030")

上面这段代码代表什么?有人会说: “把input字符串从ISO-8859-1编码方式转换成GB18030编码方式”。如果这种说法正确,那么又如何解释我们刚提到的java字符串都采用unicode编码呢?

这种说法不仅是欠妥的,而且是大错特错的,让我们一一来分析,其实事实是这样的:我们本应该用GB18030的编码来读取数据并解码成字符串,但结果却采用了ISO-8859-1的编码,导致生成一个错误的字符串。要恢复,就要先把字符串恢复成原始字节数组,然后通过正确的编码GB18030再次解码成字符串(即把以GB18030编码的数据转成unicode的字符串)。注意,字符串永远都是unicode编码的。

但编码转换并不是负负得正那么简单,这里我们之所以可以正确地转换回来,是因为 ISO8859-1 是单字节编码,所以每个字节被按照原样 转换为 String ,也就是说,虽然这是一个错误的转换,但编码没有改变,所以我们仍然有机会把编码转换回来! 

 

总结:

所以,我们在处理java的编码问题时,要分清楚三个概念:Java采用的编码:unicodeJVM平台默认字符集和外部资源的编码。




0
0

查看评论
* 以上用户言论只代表其个人观点,不代表CSDN网站的观点或立场
    个人资料
    • 访问:315299次
    • 积分:4765
    • 等级:
    • 排名:第6847名
    • 原创:91篇
    • 转载:248篇
    • 译文:1篇
    • 评论:23条
    最新评论