java输出'联通'记事本的那些乱码

像‘联通’、‘女’之类的在记事本上会显示乱码。为什么会出现以上现象呢？

首先要了解下字符编码知识：详情http://apps.hi.baidu.com/share/detail/17798660;

其次要了解汉字GB2312编码知识：详情http://baike.baidu.com/view/25492.htm;

 

简单来讲就是

ANSI是winow系统默认的编码方式，对于简体中文文件是GB2312编码（只针对Windows简体中文版，如果是繁体中文版会采用Big5码）。

汉字GB2312由两个字节组成，如果它的二进制码与UTF-8两位字节的规则一样，则系统不会只能智能区分是GB2312编码还是UTF-8编码，

默认则会该GBK编码看成UTF-8，比如：女1100010110101110即符合UTF-8编码又符合GB2312编码，系统认为为UTF-8就会出现乱码；

如果保存的字符为"女人"，“人”1100100011001011符合GB2312不符合UTF-8，因此就不会出现乱码。

 

以下是java代码

 

/**
 * 输入在记事本里默认保存有乱码的汉字
 * @author hill
 *
 */
public class PrintGibberish {
	
	//最小区码
	public static final byte MIN_AREA = 16;
	//最大区码
	public static final byte MAX_AREA = 55;
	//最小位码
	public static final byte MIN_DIGIT = 1;
	//最大位码
	public static final byte MAX_DIGIT = 94;
	//组成汉字的基数
	public static final int BASE = 160;
	//出现乱码的正则
	public static final String GIBBERISH_REGEX = "110[0-1]{5}10[0-1]{6}";
	
	/**
	 * GB 2312中对所收汉字进行了“分区”处理，每区含有94个汉字/符号。这种表示方式也称为区位码。 　　
	 * 01-09区为特殊符号。      16-55区为一级汉字，按拼音排序。 　56-87区为二级汉字，按部首/笔画排序。 　10-15区及88-94区则未有编码。
	 * 举例来说，“啊”字是GB2312之中的第一个汉字，它的区位码就是1601。
	 * 
	 * 每个汉字及符号以两个字节来表示。第一个字节称为“高位字节”（也称“区字节）”，第二个字节称为“低位字节”（也称“位字节”）。 　　
	 * “高位字节”使用了0xA1-0xF7(把01-87区的区号加上0xA0)，“低位字节”使用了0xA1-0xFE(把01-94加上 0xA0)
	 * 例如“啊”字在大多数程序中，会以两个字节，0xB0（第一个字节） 0xA1（第二个字节）储存。区位码=区字节+位字节
	 * （与区位码对比：0xB0=0xA0+16,0xA1=0xA0+1=B0A1）。
	 * @throws UnsupportedEncodingException 
	 */
	public static void printAllGibberish() throws UnsupportedEncodingException{
		
		//统计乱码的字数
		int count = 1;
		
		for(int i = MIN_AREA; i <= MAX_AREA; i++){
			//汉字的区字节
			byte areaByte = (byte) (i + BASE);
			//汉字区的二进制
			String areaBinary = Integer.toBinaryString(i + BASE);
			for(int j = MIN_DIGIT; j <= MAX_DIGIT; j++){
				//汉字的位字节
				byte digitByte = (byte) (j + BASE);
				//汉字位的二进制
				String digitBinary = Integer.toBinaryString(j + BASE);
				//汉字的二进制
				String chineseCharacterBinary = areaBinary + digitBinary;
				
				//如果不用window自带的记事本比如UltraEdit、Notepad++等：GIBBERISH_REGEX="11[0]{6}10[0-1]{6}"
				if(chineseCharacterBinary.matches(GIBBERISH_REGEX)){
					byte[] chineseCharacterBytes = {areaByte, digitByte};
					//将二进制数字转换为汉字
					String chineseCharacter = new String(chineseCharacterBytes, "GB2312");
					System.out.print(chineseCharacter + "   ");
					//每行显示15个汉字
					if(count%15 == 0){
						System.out.println();
					}
					count++;
				}
			}
		}
	} 
	
	public static void main(String[] args) throws UnsupportedEncodingException {
		
		PrintGibberish.printAllGibberish();
	}

}