GBK转UTF8学习笔记

UTF-8（8-bit Unicode Transformation Format）是一种针对Unicode的可变长度字符编码，又称万国码 如果UNICODE字符由2个字节表示，则编码成UTF-8很可能需要3个字节。而如果UNICODE字符由4个字节表示，则编码成UTF-8可能需要6个字节。用4个或6个字节去编码一个UNICODE字符可能太多了，但很少会遇到那样的UNICODE字符

Byte 1	Byte 2	Byte3
0xxxxxxx
110xxxxx	10xx xxxx
1110xxxx	10xx xxxx	10xx xxxx

 

 //单字节字符 1个字节的UTF-8十六进制编码一定是以比8小的数字开头的

//双字节字符 2个字节的UTF-8十六进制编码一定是以C或D开头的

//三字节字符 3个字节的UTF-8十六进制编码一定是以E开头的

// utf-8\u4E00-\u9FFF，这个包含了常用的汉字、日文和韩文

// GBK 8140至FEFE

 

GBK中文是由2个字节16位组成

转UTF-8时，变成3个字节

 

Byte 1	Byte 2	Byte3
1110+前4位	10+后6位	10+最后6位

 

部分代码如下

// 第一个这字放4位，第二个字节放6位，第三个字节放6位
b[0] = (byte) (0xe0 | (m >> 12));
b[1] = (byte) (0x80 | ((m >> 6) & 0x3f));
b[2] = (byte) (0x80 | (m & 0x3f));
return new String(b, "UTF-8")

  

这样就可以将GBK中文转成utf-8了，当然实际转换过程中还要考虑英文数字等其它字符的问题。