Java中的字符编码与解码 utf8 utf16 gbk

最新推荐文章于 2024-09-21 23:25:20 发布

fax5201314

最新推荐文章于 2024-09-21 23:25:20 发布

阅读量7k

点赞数

分类专栏： Java 文章标签： java import byte string 存储 windows

Java 专栏收录该内容

23 篇文章 0 订阅

订阅专栏

【转】 Java中的字符编码与解码 utf8 utf16 gbk

转载自 yase_guoguo

最终编辑 yase_guoguo

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();
    }
}