一个关于Unicode字符编码的奇怪问题

最新推荐文章于 2022-09-08 11:47:22 发布

iteye_20954

最新推荐文章于 2022-09-08 11:47:22 发布

阅读量100

点赞数

文章标签： F# EXT 数据结构

有一个学员问了一个关于Unicode字符编码的奇怪问题。

问题如下：

String strChina = "中国";

（1）直接把每个字符中的内容对应着的整数打印出来，显示的结果就是这个字符的Unicode码，则下面的代码：

for(int i=0; i<strChina.length(); i++)

{

System.out.println(Integer.toHexString((int)strChina.charAt(i)));

}

打印出的结果是：

4e2d

56fd

（2）下面的代码：

byte [] buf = strChina.getBytes("Unicode");

for(int i=0; i<buf.length; i++)

{

System.out.println(Integer.toHexString(buf[i]));

}

打印出的结果是：

ffffffff

fffffffe

fffffffd

打印出的“ffffffff”和“fffffffe”表示什么？“2d”和“4e”为什么和直接打印的结果是相反的？

回答如下：

在不同体系结构的计算机系统中，UTF-16编码的Unicode字符在内存中的字节存储顺序是不同的。使用Intel CPU的计算机中，一个多字节数据在内存中的存储形式通常是：低字节在前，高字节在后，这种方式称为Little-Endian（最不重要的字节在先）。但是，在使用其他CPU的一些计算机中，又是以高字节在前，低字节在后的方式存储多字节数据的，这种方式称为Big-Endian（最重要的字节在先）。对于0x1234这样一个双字节数据，使用Little-Endian和Big-Endian两种方式在内存中存储的格式如图7.4所示。

对于采用UTF-16编码的文件，通常都要用字节顺序标记（Byte Order Mark，简称BOM）来说明文件中的字符所使用的字节存储顺序。如果文件以0xFE 0xFF这两个字节开头，则表明文本的其余部分是Big-Endian的 UTF-16编码；如果文件以0xFF 0xFE这两个字节开头，则表明文本的其余部分是Little-Endian的 UTF-16编码；如果文件开头没有使用任何字节顺序标记，则暗指全部文本都是Big-Endian的 UTF-16编码。