【转】 Java中的字符编码与解码 utf8 utf16 gbk
|
import java.io.BufferedReader;
import java.io.FileInputStream; import java.io.FileNotFoundException; import java.io.FileOutputStream; import java.io.IOException; import java.io.InputStreamReader; import java.io.OutputStream; import java.io.OutputStreamWriter; import java.io.UnsupportedEncodingException; import junit.framework.TestCase; /** * 编码与解码测试 * @author jzj */ public class TestEncodeDecode extends TestCase { private char chineseChar = '中'; private char englishChar = 'a'; /** * Java程序中的字符都是占用二个字节，因为 char 类型好比双字节的无符号整数 */ public void testCharToUnicode() { //十进制Uncode编码 System.out.println((int) chineseChar);//20013 System.out.println((int) englishChar);//97 //十六进制Uncode编码 System.out .println(Integer.toHexString((int) chineseChar).toUpperCase());//4E2D System.out .println(Integer.toHexString((int) englishChar).toUpperCase());//61 //二进制Uncode编码 System.out.println(Integer.toBinaryString((int) chineseChar));//100111000101101 System.out.println(Integer.toBinaryString((int) englishChar));//1100001 } /** * 不管是中文还是英文都还是其他字符，每个字符都是占用两个字节，英文字符的 * UTF-16编码与Unicode编码是一样的，只不过UTF-16在编码时会在码流前加上"FE FF"两个字节的内容， * 表示字符是以UTF-16格式存储的，在读取时程序就会知道是UTF-16编码的字符 */ public void testCharToUTF16() { try { //--中文字符转UTF-16 byte[] encodeArr = String.valueOf(chineseChar).getBytes("UTF-16"); //十进制编码输出 for (int i = 0; i < encodeArr.length; i++) { //-2 -1 78 45 System.out.print(encodeArr[i] + " "); } System.out.println(); //十六进制编码输出 for (int i = 0; i < encodeArr.length; i++) { //FE FF 4E 2D System.out.print(byteToHex(encodeArr[i]) + " "); } System.out.println(); //所占字节数 System.out.println(encodeArr.length - 2);//2 //--英文字符转UTF-16 encodeArr = String.valueOf(englishChar).getBytes("UTF-16"); //十进制编码输出 for (int i = 0; i < encodeArr.length; i++) { //-2 -1 0 97 System.out.print(encodeArr[i] + " "); } System.out.println(); //十六进制编码输出 for (int i = 0; i < encodeArr.length; i++) { //FE FF 00 61 System.out.print(byteToHex(encodeArr[i]) + " "); } System.out.println(); //所占字节数 System.out.println(encodeArr.length - 2);//2 } catch (UnsupportedEncodingException e) { e.printStackTrace(); } } /** * 以UTF-16写入文件时，也会把文件编码标志FE FF写入文件开头，但写入时不能编一码写一次文件， * 因为这样每次以UTF-16编码时，都会生成编码标志，且写文件时也写入了，这样只需第一次写文件 * 时需要的标志却存入了多次，所以当以UTF-16存储字符时，最好一次性编码完成后再写入，或当字 * 符太多时，我们用OutputStreamWriter进行包装后可以方便地进行多次写入，而不会多次写入文 * 件编码标志，或者我们就用字节流来存，自已负责编码，但从第二次编码后写文件开始，手动去掉文 * 件编码标志后再存入也是可以的，只不过没有像直接以字符流多次写入那样方便了。 */ public void testUTF16File() { try { //--字节流多次写错误 byte[] encodeArr = String.valueOf(chineseChar).getBytes("UTF-16"); OutputStream o = new FileOutputStream("e:/utf16.txt"); o.write(encodeArr); encodeArr = String.valueOf(englishChar).getBytes("UTF-16"); o.write(encodeArr); o.close(); //--读 BufferedReader br = new BufferedReader(new InputStreamReader( new FileInputStream("e:/utf16.txt"), "UTF-16")); //因为存储方法错误，所以导致读取时出现乱码，其实问号就是文件编码标志 System.out.println(br.readLine());//中?a br.close(); //--正确字节流多次写 encodeArr = String.valueOf(chineseChar).getBytes("UTF-16"); o = new FileOutputStream("e:/utf16.txt"); o.write(encodeArr); encodeArr = String.valueOf(englishChar).getBytes("UTF-16"); //从第二次开始写入时，不要把文件编码多次写入文件，这样存储会正确 o.write(encodeArr, 2, encodeArr.length - 2);//中a o.close(); //--读 br = new BufferedReader(new InputStreamReader(new FileInputStream( "e:/utf16.txt"), "UTF-16")); System.out.println(br.readLine());//中a br.close(); //--正确的字符流写 OutputStreamWriter ow = new OutputStreamWriter( new FileOutputStream("e:/utf16.txt"), "UTF-16"); ow.write(chineseChar); ow.write(englishChar); ow.close(); //--读 br = new BufferedReader(new InputStreamReader(new FileInputStream( "e:/utf16.txt"), "UTF-16")); System.out.println(br.readLine());//中a br.close(); } catch (UnsupportedEncodingException e) { e.printStackTrace(); } catch (FileNotFoundException e) { e.printStackTrace(); } catch (IOException e) { e.printStackTrace(); } } /** * 英文字符以UTF-8编码时只占一个字节或二字节(编码大于128小于256的英文字符)，编码小于等于128的 * 字符UTF-8字符与Unicode编码兼容，中文字符以UTF-8编码时，占三个字节。 * 英文、中文使用的UTF-8编码规则模板分别是0xxxxxxx、1110xxxx 10xxxxxx 10xxxxxx * 如"中"字的Unicode编码是4E2D。4E2D在0800-FFFF之间，所以要用上面的三字节规则模板， * 将4E2D写成二进制是：0100 1110 0010 1101，将这个比特流按三字节模板的分段方法分为 * 0100 111000 101101，依次代替模板中的x，得到：1110-0100 10-111000 10-101101， * 即 E4 B8 AD，这就是"中"字的UTF8的编码。 */ public void testCharToUTF8() { try { //--中文字符转UTF-8 byte[] encodeArr = String.valueOf(chineseChar).getBytes("UTF-8"); //十进制编码输出 for (int i = 0; i < encodeArr.length; i++) { //-28 -72 -83 System.out.print(encodeArr[i] + " "); } System.out.println(); //十六进制编码输出 for (int i = 0; i < encodeArr.length; i++) { //E4 B8 AD System.out.print(byteToHex(encodeArr[i]) + " "); } System.out.println(); //所占字节数 System.out.println(encodeArr.length);//3 //--英文字符转UTF-8 encodeArr = String.valueOf(englishChar).getBytes("UTF-8"); //十进制编码输出 for (int i = 0; i < encodeArr.length; i++) { //97 System.out.print(encodeArr[i] + " "); } System.out.println(); //十六进制编码输出 for (int i = 0; i < encodeArr.length; i++) { //61 System.out.print(byteToHex(encodeArr[i]) + " "); } System.out.println(); //所占字节数 System.out.println(encodeArr.length);//1 } catch (UnsupportedEncodingException e) { e.printStackTrace(); } } /** * 用Java程序入文件中以UTF-8编码方式存入字符时，是不会在文件头加上编码标志的。 * 但如果在windows中用记事本创建一个文件，并以UTF-8保存时，会在文件开开头写 * 入文件编码标志 EF BB BF 三个字节长度的编码标志，这时如果使用字节流方式读取 * 有编码标示的UTF-8文件时，会有问题，此时只能以字节流读出后去掉前三个字节内容 */ public void testUTF8File() { try { //--字节流写 byte[] encodeArr = String.valueOf(chineseChar).getBytes("UTF-8"); OutputStream o = new FileOutputStream("e:/utf8.txt"); o.write(encodeArr); encodeArr = String.valueOf(englishChar).getBytes("UTF-8"); o.write(encodeArr); o.close(); //--读 BufferedReader br = new BufferedReader(new InputStreamReader( new FileInputStream("e:/utf8.txt"), "UTF-8")); System.out.println(br.readLine());//中a br.close(); //--以字符流的方式读取windows记事本创建的有文件编码标志的UTF-8文件时错误 br = new BufferedReader(new InputStreamReader(new FileInputStream( "e:/utf-8-2.txt"), "UTF-8")); System.out.println(br.readLine());//?中a br.close(); //--以字节流读取有编码标志的UTF-8文件 FileInputStream fi = new FileInputStream("e:/utf-8-2.txt"); byte[] b = new byte[1024]; int readCount = fi.read(b); //手动丢弃前三个字节的内容 System.out.println(new String(b, 3, readCount - 3, "UTF-8"));//中a fi.close(); } catch (UnsupportedEncodingException e) { e.printStackTrace(); } catch (FileNotFoundException e) { e.printStackTrace(); } catch (IOException e) { e.printStackTrace(); } } /** * 英文字符以GBK编码时只占一个字节或二字节(编码大于128小于256的英文字符)，编码小于等于128的 * 字符GBK字符与Unicode编码兼容，中文字符以GBK编码时，占 * 两个字节。 * GBK对中文编码时，每个字节的最高位都是一 */ public void testCharToGBK() { try { //--中文字符转GBK byte[] encodeArr = String.valueOf(chineseChar).getBytes("GBK"); //十进制编码输出 for (int i = 0; i < encodeArr.length; i++) { //-42 -48 System.out.print(encodeArr[i] + " "); } System.out.println(); //十六进制编码输出 for (int i = 0; i < encodeArr.length; i++) { //D6 D0 System.out.print(byteToHex(encodeArr[i]) + " "); } System.out.println(); //所占字节数 System.out.println(encodeArr.length);//2 //--英文字符转GBK encodeArr = String.valueOf(englishChar).getBytes("GBK"); //十进制编码输出 for (int i = 0; i < encodeArr.length; i++) { //97 System.out.print(encodeArr[i] + " "); } System.out.println(); //十六进制编码输出 for (int i = 0; i < encodeArr.length; i++) { //61 System.out.print(byteToHex(encodeArr[i]) + " "); } System.out.println(); //所占字节数 System.out.println(encodeArr.length);//1 } catch (UnsupportedEncodingException e) { e.printStackTrace(); } } public void testCharFromUTF16() { try { byte[] encodeArr = String.valueOf(chineseChar).getBytes("UTF-16"); System.out.println(new String(encodeArr, "UTF-16"));//中 encodeArr = new byte[] { -0x2, -0x1, 0x4E, 0x2D }; System.out.println(new String(encodeArr, "UTF-16"));//中 } catch (UnsupportedEncodingException e) { e.printStackTrace(); } } public static String byteToHex(byte b) { return Integer.toHexString((b & 0x000000FF) | 0xFFFFFF00).substring(6) .toUpperCase(); } } |
1997
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
