Java的class文件采用utf8的编码方式,JVM运行时采用utf16。
Java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。
Unicode为每种语言中的每个字符设定了统一并且唯一的二进制编码,以满足跨语言、跨平台进行文本转换、处理的要求。它只是一个符号集,它只规定了符号的二进制代码,却没有规定这个二进制代码应该如何存储。
UTF-8以字节为单位对Unicode进行编码。
UTF-8最大的一个特点,就是它是一种变长的编码方式。它可以使用1~4个字节表示一个符号,根据不同的符号而变化字节长度。
UTF-8的编码规则很简单,只有二条:
1)对于单字节的符号,字节的第一位设为0,后面7位为这个符号的unicode码。因此对于英语字母,UTF-8编码和ASCII码是相同的。
2)对于n字节的符号(n>1),第一个字节的前n位都设为1,第n+1位设为0,后面字节的前两位一律设为10。剩下的没有提及的二进制位,全部为这个符号的unicode码。
字符的转码:(先转化为byte然后再按编码方式转换)
可以用 byte[] getBytes(String charset);将String转化为指定字符集的byte数组。 或
String(byte[] bytes, int offset, int length, String charset);
String(byte[] bytes, String charset);
以通过byte数组创建指定字符集的字符串,还可以通过 ByteArrayInputStream或ByteArrayOutputStream串接到 InputStream Reader 或 OutputStreamWriter,来达到转码的目的。