关于字符集的理解

字符集可以理解成一个对照表，某种编码规则的字符集规定：机器内某个长度一定二进制数表示代表一个对应的字符；

例如：

iso8859-1    ：iso8859-1是采用单字节编码的，主要表示英文字母、字符，总范围的长度：256，由于汉字有成千上万个，所以该字符集不支持汉字编码。

双字节编码GBK、unicode等等，这些不同的编码规则使用的字节数也不等。

由于不同的字符集编码的长度各自不同，所以在涉及字符串与byte数组相互转换时，必须指定固定的字符集(并且指定的字符集必须支持该字符，例如使用iso8859-1编码汉字时就会GG)，若传输一个byte前后使用不同的字符集编码，那么导致的问题是，可能在接收方无法得到与发送方相同的内容：

以GBK和iso8859-1测试为例：

PS*代码其实很简单，可以直接看完运行结果再回来瞟一眼

import java.io.UnsupportedEncodingException;
import java.util.regex.Pattern;

/**
 * A collection of utilities relating to InetAddresses.
 */
public class Character {

    public static void main(String[] args){
    	String ips = new String("一");
    	System.out.println("原内容："+ips);
    	System.out.println();
    	byte[] ip = null;
    	try {
			
    		System.out.println("使用iso8859-1字符集将该汉字转为byte数组并打印");
			ip = ips.getBytes("iso8859-1");
			for(byte b:ip){
				System.out.print(b+"(");
				printByte(b);
				System.out.print(")");
			}
			
			System.out.println();
			System.out.println("对该byte数组使用iso8859-1字符集转为String:");
			String addr1 = new String(ip,"iso8859-1");
			System.out.println(addr1);
			
    		System.out.println();
			System.out.println("使用gbk字符集将该汉字转为byte数组并打印");
			ip = ips.getBytes("gbk");
			for(byte b:ip){
				System.out.print(b+"(");
				printByte(b);
				System.out.print(")");
			}
			
			System.out.println();
			System.out.println("对该byte数组使用gbk字符集转为String:");
			String addr2 = new String(ip,"gbk");
			System.out.println(addr2);
        } catch (Exception e) {
			// TODO Auto-generated catch block
			e.printStackTrace();
		}
    }
    
    //以二进制的形式打印一个byte
    public static void printByte(byte b){
    	byte[] p = new byte[8];
    	for(int i = 0;i<8;i++){
    		p[i] = (byte)(b & (byte)0x01);
    		b = (byte)((byte)b>>1);
    	}
    	for(int i =0;i<8;i++){
    		System.out.print(p[7-i]);
    	}
    	System.out.print(",");
    }
}

 

iso8859-1并不支持汉字编码，所以得到的结果只有一个字符："?"

 

而当使用字符集GBK把String类型的汉字"一"转为byte数组时，我们会发现，该汉字被拆分为一个长度为2的byte数组(所以可以证明GBK是双字节编码)，当重新使用该byte数组使用gbk字符集转为String后打印也得到了对应的汉字："一"。使用不同于gbk字符集的utf-8字符集转化该byte数组为String时的输出结果就成了乱码，所以选择的字符集一定要对应。

到此我对各种字符集编码的具体细节还是略显模糊，不过关于对字符集的理解已经足够我短时间内的使用了，或许以后有一天我需要继续对他进行学习，那时应该是去看它的编码规则了吧。

 

以下为使用byte数组构造String的两个构造函数：