编码和解码

关于编码和解码，下面举一个例子

（1）查找码点并转换为二进制

比如'我'这个中文字符，在Unicode字符集中的码点是25105，将其转换为二进制是110,0010,0001,0001。

（2）编码

其二进制并不能直接存储到内存中，而是需要按照UTF-8的编码方式使用3个字节进行存储，格式为1110xxxx 10xxxxxx 10xxxxxx，可以看到余下16位二进制需要填充，所以将110,0011,1110,0001的高位补0，补成16bit，即0110,0010,0001,0001，填充到3个字节中去就是：11100110 10001000 10010001。这就是实际存储在计算机中的数据。

通过getBytes()方法对字符进行编码，也可以指定编码方式，下面是测试代码：

public class test1 {
    public static void main(String[] args) throws IOException {
        byte[] bytes = "我".getBytes("UTF-8");
        for (byte b : bytes) {
            System.out.println(b);
        }
    }
}

输出结果：

分析：getBytes()方法的返回值是字节数组。

-26的补码是11100110，可以看到与编码的第一个字节对应，后面一一验证也都是正确的。

（3）解码

首先读取3个字节的数据，将红色的bit位剔除，0110,0011,1110,0001就是实际的数据。

（4）转换为十进制

0110,0011,1110,0001转换为十进制就是25105。

终这个字符在GBK字符集中的码点为32456，转换为二进制后的结果为111，1110，1100，1000。

高位补1。

思考了N多问题。

问题1：read()方法的返回值一定是某个字符在字符集中的码点吗？

思路：①先把'我'这个字符按照UTF-8的编码方式写到文件中；

②再使用read()方法读取，并指定解码方式为UTF-8。

下面是代码实现：

public class test2 {
    public static void main(String[] args) throws IOException {
        byte[] bytes = "我".getBytes("UTF-8");
        FileOutputStream fos = new FileOutputStream("demo.txt");
        fos.write(bytes);
        fos.close();
        FileReader fr = new FileReader("demo.txt");
        int i = fr.read();
        System.out.println(i);
        fr.close();
    }
}

输出结果为25105，Unicode字符集中的码点相同，所以read()方法的返回值一定是字符集中的码点。

问题2：'我'这个字符在GBK中的码点？

由于上面的结论，即read()方法的返回值一定是字符集中的码点，所以下面依然利用上述代码试图给出'我'这个字符在GBK中的码点。

public class test2 {
    public static void main(String[] args) throws IOException {
        byte[] bytes = "我".getBytes("GBK");
        FileOutputStream fos = new FileOutputStream("demo.txt");
        fos.write(bytes);
        fos.close();
        FileReader fr = new FileReader("demo.txt", Charset.forName("GBK"));
        int i = fr.read();
        System.out.println(i);
        fr.close();
    }
}

输出结果是25105，就以为'我'这个字符在GBK字符集中的码点也是25105，和Unicode字符集中的码点一致。

在知道了'我'这个字符在GBK中的码点之后，我就试图利用GBK的编码方式自行计算出应存储在底层中的二进制，然后和通过getBytes()方法得到的字节进行对比，以为结果应该是一样的。

问题3：利用GBK的编码方式自行计算出应存储在底层中的二进制

25105的二进制是110,0010,0001,0001，按照GBK的两个字节中第一个字节的首位为1的规则，在最高位补1，结果是1110,0010,0001,0001。

问题4：通过getBytes()方法得到的字节

public class test1 {
    public static void main(String[] args) throws IOException {
        byte[] bytes = "我".getBytes("GBK");
        for (byte b : bytes) {
            System.out.print(b + "  ");
        }
    }
}

输出结果为-50和-46：

下面来分析一下这两个数：

计算机存的是补码，但我们打印出来的是十进制。这个十进制是补码所对应的十进制。

那么补码所对应的十进制是如何计算的呢？

拿补码1111 1111来进行举例。

补码：1111 1111 --> 反码：1111 1110 --> 原码：1000 0001，转换为十进制是-1。

所以要计算补码所对应的十进制，首先把补码转成反码，再把反码转换为原码，最后把原码转成十进制数。

一般来说，补码只是原码的另一种表现形式。补码和原码所表示的十进制的值是一样的。

那么整数所对应的补码又如何计算呢？

-50的原码是1011 0010，-46 的原码是1010 1110。

步骤如下：

原码：1011 0010 --> 反码：1100 1101 --> 补码：1100 1110

原码：1010 1110 --> 反码：1101 0001 --> 补码：1101 0010

将两部分拼在一起之后为1100 1110 1101 0010，这就是'我'这个字符使用GBK编码方式实际存储在计算机中的二进制，转换为十进制是52946，这就是'我'这个字符在GBK字符集中所对应的码点。

-50和-46的补码是1100 1110 1101 0010，这是在计算机中实际存储的，和我计算出来的1110 0010 0001 0001并不一样啊。百思不得其解，为什么不一样？因为25105并不是正确的码点，所以编码的二进制1110 0010 0001 0001自然也就是错的。

至此可以得出read方法返回的都是字符对应的Unicode码点。

问题5：已经知道了'我'这个字符在GBK中的码点是52946，想验证一下对不对呢？

52496转换为十六进制是CED2，通过在线GBK编码表-GBK中文字符集-在线GBK汉字编码字符集对照表 (jsons.cn)

在这个网址中进行查询(快捷键crtl+F)得到CED2对应的字符就是'我'，下面是图片。

​

现在可以回答这个问题了：

问题6：如何知道某个字符在某个字符集中的码点？

有两种方式：①查字符集；

②通过getBytes()方法得到存储在计算机中的数据，然后解码再转换为十进制，就是对应的码点了。这种方式一定要了解编码方式，要不然不会解码。 

问题7：GBK的两个字节中第一个字节的首位为1，是符号位还是数值位？

-50和-46的补码是是1100 1110 1101 0010，这是实际存储在计算机中的数据。

（1）首先把最高位的1看作数值位，转换为十进制是52946；

（2）如果看作是符号位，那肯定是负数呀，但是字符集码点怎么会是负数呢？

所以结论是GBK的两个字节中第一个字节的首位为1，是数值位。

问题8：GBK编码方式为什么第一个字节的首位是1？

我觉得是因为中文字符的码点都很大，都超过1000 0000 0000 0000(其十进制是32,768)，又搜了GBK的码点范围，给出的十六进制范围是0x8140~0xFEFE，转换为十进制是33088~65278。

再次给出一个建议，不要再使用GPT进行进制转换了，都是错的。

可以看到GBK的码点的开始值33088是大于32768的，所以这也就是为什么最高位为1的原因，并不是人为设置的。

问题9：关于1100 1110 1101 0010转换为十进制

（1）刚开始使用GPT进行进制转换，下面这个将1100 1110 1101 0010最高位的1解释为了符号位。

​

就不能不解释为符号位吗？于是又用GPT指定首位不是符号位，得到的结果是50792，我就一直以为1100 1110 1101 0010转换为十进制是50792。

补充：好像GPT还给出过47100，真是离谱。

​

但是我又多想了一步，用网址验证一下50792转换为二进制的结果，下图可以看到和实际存储在计算机中的二进制1100 1110 1101 0010并不一样。为啥总是对不上啊，不知道哪个有问题，怀疑是GPT有问题，烦死。

​

到底是谁有问题？ 答案就是GPT，总是瞎给答案。

（2）问题10：二进制转换为正确的十进制是如何得到的？

因为后面GPT又指出可以使用Java编程语言进行转换，代码如下，我为什么那么相信编程的结果，因为我相信程序是不会骗人的。

public class test3 {
    public static void main(String[] args) throws IOException {
        String binaryString = "1100111011010010";
        int decimal = Integer.parseInt(binaryString, 2);
        System.out.println("十进制数是: " + decimal);
    }
}

输出结果就是52946。

​