java byte与char互转原理

最新推荐文章于 2023-10-15 20:32:13 发布

lostsky

最新推荐文章于 2023-10-15 20:32:13 发布

阅读量141

点赞数

文章标签： Java C C++ C# JSP

转自：http://www.cnblogs.com/bluespot/archive/2008/10/23/1318155.html

一、字节和unicode

Java内核是unicode的，就连class文件也是，但是很多媒体，包括文件 / 流的保存方式是使用字节流的。因此Java要对这些字节流经行转化。 char是unicode的，而byte是字节。Java中 byte / char互转的函数在sun.io的包中间有。其中ByteToCharConverter类是中调度，可以用来告诉你，你用的 convertor。其中两个很常用的静态函数是：

public static ByteToCharConverter getDefault();
public static ByteToCharConverter getConverter(String encoding);

如果你不指定converter，则系统会自动使用当前的encoding,gb平台上用gbk,en平台上用8859_1。

byte ——〉 char ：
" 你 " 的 gb码是： 0xc4e3 ,unicode是0x4f60
String encoding = " gb2312 " ;
byte b[] = {( byte ) ' \u00c4 ' ,( byte ) ' \u00e3 ' };
ByteToCharConverter converter = ByteToCharConverter.getConverter(encoding);
char c[] = converter.convertAll(b);
for ( int i = 0 ; i < c.length; i ++ ) {
System.out.println(Integer.toHexString(c[i]));
}
结果是什么？ 0x4f60
如果encoding = " 8859_1 " ，结果又是什么？ 0x00c4 , 0x00e3

如果代码改为：

byte b[] = {( byte ) ' \u00c4 ' ,( byte ) ' \u00e3 ' };
ByteToCharConverter converter = ByteToCharConverter. getDefault();
char c[] = converter.convertAll(b);
for ( int i = 0 ; i < c.length; i ++ ) {
System.out.println(Integer.toHexString(c[i]));
}

结果将又是什么？

这就要根据平台的编码而定。

char ——〉 byte ：
String encoding = " gb2312 " ;
char c[] = { ' \u4f60 ' };
CharToByteConverter converter = CharToByteConverter.getConverter(encoding);
byte b[] = converter.convertAll(c);
for ( int i = 0 ; i < b.length; i ++ ) {
System.out.println(Integer.toHexString(b[i]));
}
结果是什么？ 0x00c4 , 0x00e3
如果encoding = " 8859_1 " ，结果又是什么？ 0x3f
如果代码改为
String encoding = " gb2312 " ;
char c[] = { ' \u4f60 ' };
CharToByteConverter converter = CharToByteConverter.getDefault();
byte b[] = converter.convertAll(c);
for ( int i = 0 ; i < b.length; i ++ ) {
System.out.println(Integer.toHexString(b[i]));
}

结果将又是什么？还是根据平台的编码而定。

很多中文问题就是从这两个最简单的类派生出来的。而却有很多类不直接支持把encoding输入，这给我们带来诸多不便。很多程序难得用encoding了，直接用default的encoding，这就给我们移植带来了很多困难。

二、 utf - 8

utf - 8 是和unicode一一对应的，其实现很简单：

7位的unicode: 0 _ _ _ _ _ _ _
11 位的unicode: 1 1 0 _ _ _ _ _ 1 0 _ _ _ _ _ _
16 位的unicode: 1 1 1 0 _ _ _ _ 1 0 _ _ _ _ _ _ 1 0 _ _ _ _ _ _
21 位的unicode: 1 1 1 1 0 _ _ _ 1 0 _ _ _ _ _ _ 1 0 _ _ _ _ _ _ 1 0 _ _ _ _ _ _

大多数情况是只使用到16位以下的unicode:

" 你 " 的 gb码是： 0xc4e3 ,unicode是0x4f60
0xc4e3的二进制：
1100 ， 0100 ， 1110 ， 0011

由于只有两位我们按照两位的编码来排，但是我们发现这行不通，因为第７位不是0因此，返回 " ? "

0x4f60 的二进制：
0100 ， 1111 ， 0110 ， 0000
我们用utf - 8补齐，变成：
1110 ， 0100 ， 1011 ， 1101 ， 1010 ， 0000
e4 -- bd -- a0
于是返回： 0xe4 , 0xbd , 0xa0 。

三、string和byte[]

string 其实核心是char[],然而要把byte转化成string，必须经过编码。string.length()其实就是char数组的长度，如果使用不同的编码，很可能会错分，造成散字和乱码。例如：

String encoding = “”;
byte [] b = {( byte ) ' \u00c4 ' ,( byte ) ' \u00e3 ' };
String str = new String(b,encoding);

如果encoding = 8859_1，会有两个字，但是encoding = gb2312 只有一个字这个问题在处理分页是经常发生。

四、Reader,Writer / InputStream,OutputStream

Reader 和Writer核心是char，InputStream和OutputStream核心是byte。但是Reader和Writer的主要目的是要把 char读 / 写InputStream / OutputStream。例如：

文件test.txt只有一个 " 你 " 字， 0xc4 , 0xe3
String encoding = " gb2312 " ;
InputStreamReader reader = new InputStreamReader( new FileInputStream(
" text.txt " ), encoding);
char c[] = new char [ 10 ];
int length = reader.read(c);
for ( int i = 0 ; i < length; i ++ ) {
System.out.println(c[i]);
}

结果是什么？是 " 你 " 。如果encoding = " 8859_1 " ，结果是什么？ " ?? " 两个字符，表示不认识。反过来的例子自己做。
五、我们要对Java的编译器有所了解：

Javac ? encoding

我们常常没有用到encoding这个参数。其实encoding这个参数对于跨平台的操作是很重要的。如果没有指定encoding，则按照系统的默认 encoding,gb平台上是gb2312，英文平台上是iso8859_1。Java的编译器实际上是调用 sun.tools.Javac.main 的类，对文件进行编译，这个类有compile函数中间有一个encoding的变量, - encoding 的参数其实直接传给encoding变量。编译器就是根据这个变量来读取Java文件的，然后把用utf - 8 形式编译成class文件。例子代码：

String str = " 你 " ;
FileWriter writer = new FileWriter( " text.txt " );
write.write(str);
writer.close();

如果用gb2312编译，你会找到e4 bd a0的字段；
如果用8859_1编译， 00c4 00e3的二进制：
0000 ， 0000 ， 1100 ， 0100 ， 0000 ， 0000 ， 1110 ， 0011
因为每个字符都大于7位，因此用11位编码：
1100 ， 0001 ， 1000 ， 0100 ， 1100 ， 0011 ， 1010 ， 0011
c1 -- 84 -- 　c3 -- 　 a3
你会找到c1 84 c3 a3

但是我们往往忽略掉这个参数，因此这样往往会有跨平台的问题：

样例代码在中文平台上编译，生成zhclass

样例代码在英文平台上编译，输出enclass

( 1 ) zhclass 在中文平台上执行ok,但是在英文平台上不行

( 2 ) enclass在英文平台上执行ok,但是在中文平台上不行

原因是：

( 1 ) 在中文平台上编译后，其实str在运行态的char[]是0x4f60,　在中文平台上运行，filewriter的缺省编码是gb2312,因此 chartobyteconverter会自动用调用gb2312的converter,把 str转化成byte输入到fileoutputstream 中，于是0xc4,0xe3放进了文件。但是如果是在英文平台下，chartobyteconverter的缺省值是8859_1, filewriter会自动调用8859_1去转化str,但是他无法解释，因此他会输出 " ? "

( 2 ) 在英文平台上编译后，其实 str在运行态的char[]是0x00c4 0x00e3 , 在中文平台上运行，中文无法识别，因此会出现 ?? ；在英文平台上， 0x00c4 --> 0xc4 , 0x00e3 -> 0xe3 ，因此 0xc4 ,0xe3被放进了文件。

六、其它原因：

<% @ page contentType = " text/html; charset=GBK " %>

设置浏览器的显示编码，如果response的数据是utf8编码，显示将是乱码，但是乱码和上述原因还不一样。

七、发生编码的地方：

1 . 从数据库到Java程序 byte ——〉 char

2 . 从Java程序到数据库 char ——〉 byte

3 . 从文件到Java程序 byte ——〉 char

4 . 从Java程序到文件 char ——〉 byte

5 . 从Java程序到页面显示 char ——〉 byte

6 . 从页面form提交数据到Java程序byte——〉 char

7 . 从流到Java程序byte——〉 char

8 . 从Java程序到流char——〉 byte

可以使用配置过滤器的方法解决中文乱码的：

< web - app >
< filter >
< filter - name > RequestFilter </ filter - name >
< filter - class > net.golden.uirs.util.RequestFilter </ filter - class >
< init - param >
< param - name > charset </ param - name >
< param - value > gb2312 </ param - value >
</ init - param >
</ filter >
< filter - mapping >
< filter - name > RequestFilter </ filter - name >
< url - pattern >* .Jsp </ url - pattern >
</ filter - mapping >
</ web - app >

public void doFilter(ServletRequest req, ServletResponse res,
FilterChain fChain) throws IOException, ServletException {
HttpServletRequest request = (HttpServletRequest) req;
HttpServletResponse response = (HttpServletResponse) res;
HttpSession session = request.getSession();
String userId = (String) session.getAttribute( " userid " );
req.setCharacterEncoding( this .filterConfig.getInitParameter( " charset " ));
// 设置字符集？
// 实际上是设置了byte ——〉char的encoding
try {
if (userId == null || userId.equals( "" )) {
if ( ! request.getRequestURL().toString().matches(
" .*/uirs/logon/logon(Controller){0,1}\\x2EJsp$ " )) {
session.invalidate();
response.sendRedirect(request.getContextPath() +
" /uirs/logon/logon.Jsp " );
}
}
else {
// 看看是否具有信息上报系统的权限
if ( ! net.golden.uirs.util.UirsChecker.check(userId, " 信息上报系统 " ,
net.golden.uirs.util.UirsChecker.ACTION_DO)) {
if ( ! request.getRequestURL().toString().matches(
" .*/uirs/logon/logon(Controller){0,1}\\x2EJsp$ " )) {
response.sendRedirect(request.getContextPath() +
" /uirs/logon/logonController.Jsp " );
}
}
}
}
catch (Exception ex) {
response.sendRedirect(request.getContextPath() + " /uirs/logon/logon.Jsp " );
}
fChain.doFilter(req, res);