Java——IO流（一）-（4/8）：前置知识-字符集、UTF-8、GBK、ASCII、乱码问题、编码和解码等

最新推荐文章于 2024-09-07 00:05:57 发布

qiyi.sky

最新推荐文章于 2024-09-07 00:05:57 发布

阅读量858

点赞数 19

分类专栏： Java 文章标签： java 开发语言 intellij-idea 学习笔记

本文链接：https://blog.csdn.net/li13437542099/article/details/138290998

版权

Java 专栏收录该内容

38 篇文章 0 订阅

订阅专栏

常见字符集介绍

标准ASCII字符集

ASCll(American Standard Code for Information Interchange)：美国信息交换标准代码，包括了英文、符号等。
标准ASCII使用1个字节存储一个字符，首尾是0，总共可表示128个字符。

包含了：英文字母（大小写）、数字、标点符号、特殊字符。

使用一个字节来存储。

这个字符集在美国在足够使用了，但是计算机不仅仅只在一个国家流通，我们国家的汉字就比字符多出很多很多，一个字节是完全不够表示完全的，于是就出现了GBK。

GBK（汉字内码扩展规范，国标）

汉字编码字符集，包含了2万多个汉字等字符，GBK中一个中文字符编码成两个字节的形式存储。
注意：GBK兼容了ASCII字符集。

假设要编码：我a你

为了解码，GBK规定：汉字的第一个字节第一位必须是1.

看完了中文的字符集，接下来要再讲其他语言的字符集吗？

例如：巴基斯坦码、迪拜码、岛国码、韩文码、乌兹别克斯坦码、吉尔吉斯斯坦码、哈萨克斯坦码等等。

显然是不太可能的，于是国际组织就制定了统一的一个字符集。

Unicode字符集（统一码，万国码）

Unicode是国际组织制定的，可以容纳世界上所有文字、符号的字符集。

其中，Unicode字符集里面的UTF-32编码方案就是使用四个字节表示一个字符，直接兼容几乎所有语言的字符；但是这种方式是十分奢侈的，很占存储空间，导致通信效率变低！

而UTF-8的出现让效率得到了大提升

UTF-8

是Unicode字符集的一种编码方案，采取可变长编码方案，共分四个长度区：1个字节，2个字节，3个字节，4个字节
英文字符、数字等只占1个字节（兼容标准ASCII编码），汉字字符占用3个字节。

UTF-8编码方式(二进制)
0xxxxxxx(ASCII码）
110xxxxx 10xxxxxx
1110xxxx 10xxxxxx 10xxxxxx
11110xxx 10xxxxxx 10xxxxxx 10xxxxxx

注意：技术人员在开发时都应该使用UTF-8编码！

小结

ASCII字符集：只有英文、数字、符号等，占1个字节。
GBK字符集：汉字占2个字节，英文、数字占1个字节。
UTF-8字符集：汉字占3个字节，英文、数字占1个字节。

注意1：字符编码时使用的字符集，和解码时使用的字符集必须一致，否则会出现乱码

注意2：英文，数字一般不会乱码，因为很多字符集都兼容了ASCII编码。

字符集的编码、解码操作

编码：把字符按照制定字符集编码成字节。
解码：把字节按照制定字符集解码成字符。

方法

Java代码完成对字符的编码

String提供了如下方法	说明
byte[] getBytes()	使用平台的默认字符集将该String编码为一系列字节，将结果存储到新的字节数组中
byte[] getBytes(String charsetName)	使用指定的字符集将该String编码为一系列字节，将结果存储到新的字节数组中

Java代码完成对字符的解码

String提供了如下方法	说明
String(byte[] bytes)	通过使用平台的默认字符集解码指定的字节数组来构造新的String
String(byte[] bytes, String charsetName)	通过指定的字符集解码指定的字节数组来构造新的String

实例演示

public class CodeTest1 {
    public static void main(String[] args) throws Exception {
        //1.编码
        String data = "a我b";
        byte[] bytes = data.getBytes();     //默认是按照平台字符集（UTF-8）进行编码的。
        System.out.println(Arrays.toString(bytes));

        //按照制定字符集进行编码
        byte[] bytes1 = data.getBytes("GBK");
        System.out.println(Arrays.toString(bytes1));

        //2.解码
        String s1 = new String(bytes);      //按照平台默认编码（UTF-8）解码
        System.out.println(s1);

        String s2 = new String(bytes1);
        System.out.println(s2);             //乱码
    }
}

运行结果：