汉字与UTF编码的互相转换（Java）

1. 普通汉字

获取汉字的UTF8编码

public static void main(String[] args) throws Exception {
     String str = "金";
     byte [] bs = str.getBytes("UTF-16");
     System.out.println(bytesToHexFun(bs));
}

public static String bytesToHexFun(byte[] bytes) {
     StringBuilder buf = new StringBuilder(bytes.length * 2);
     for(byte b : bytes) { // 使用String的format方法进行转换
         buf.append(String.format("%02x", new Integer(b & 0xff)));
     }

     return buf.toString();
}

打印结果：FEFF91D1

把FEFF去掉，剩下的91D1就是UTF8编码了

UTF8编码转汉字

我们用上面的91D1转换文字看看

int utf8 = Integer.parseInt("91D1", 16);
String str = String.valueOf((char) utf8);
System.out.println(str.toString());

打印结果：金

2. 生僻字

获取汉字的UTF8编码

public static void main(String[] args) throws Exception {
     String str = "𩇕";
     byte [] bs = str.getBytes("UTF-16");
     System.out.println(bytesToHexFun(bs));
}

打印结果：FEFFD864DDD5

同前一次一样把FEFF去掉，剩下的D864DDD5就是UTF8编码了。

但是这里需要注意的是，D864DDD5是两个UTF8编码的组合了，D864和DDD5

UTF8编码转汉字

我们用上面获得的生僻字的编码D864和DDD5

int utf8_1 = Integer.parseInt("D864", 16);
int utf8_2 = Integer.parseInt("DDD5", 16);
String str = String.valueOf(new char[] {(char)utf8_1,(char)utf8_2});
System.out.println(str.toString());

打印结果：𩇕

3. 十六进制编码和UTF编码

我在这里获取UTF编码的时候，用的是UTF-16，而不是UTF-8。

byte [] bs = str.getBytes("UTF-16");

UTF-8：获取的是十六进制编码

UTF-16：获取的是UTF编码

获取十六进制编码

public static void main(String[] args) throws Exception {
     String str = "金";
     byte [] bs = str.getBytes("UTF-8");
     System.out.println(bytesToHexFun(bs));
}

打印结果：E98791

这个【E98791】就是【金】的十六进制编码

十六进制转成文字

我偷个懒，也是个实验，在每两个字符中间加一个【%】,这字符串是不是很熟悉？
然后URLDecoder.decode打印出汉字。

System.out.println(URLDecoder.decode("%E9%87%91", "UTF-8"));
System.out.println(URLDecoder.decode("%F0%A9%87%95", "UTF-8"));

打印结果：
金
𩇕

几个字符不同表达方式的比较：

Unicode 代码点	U+91D1	U+291D5
表示字形	金	𩇕
UTF-32 代码单元	000091D1	000291D5
UTF-16 代码单元	91D1	D864 DDD5
UTF-8 代码单元	E9 87 91	F0 A9 87 95