Java字符编码

目录

字符编码介绍

字符编码（1）

字符编码（2）

字符编码（3）

字符编码（4）

Java的字符编码与相关类：

Java字符编码

Java字符相关类的代码实践

总结

---

 

字符编码介绍

字符编码（1）

- 字符：0，a，我，1，の，...

- 计算机只用0和1，1bit（0或1）

- ASCII码（American Standard Code for Information Interchange）

• 美国信息交换标准代码，奠定计算机编码基础
• 用一个字节(1 Byte=8 bits) 来存储a-z,A-Z,0-9和一些常用符号
• 用于显示英语及西欧语言
• 回车键(13, 00001101), 0(48, 00110000), A(65,01000001), a(97, 01100001)，...

字符编码（2）

- ASCII编码采用1 Byte，8 bits，最多256个字符

- ASCII无法适应其他地方，如汉字数量有十几万

所以便有了扩展编码库(加字节)，如下：

• ISO8859(1-15) 西欧语言
• GB2132，GBK，GB18030（相当于是ASCII+中文)
     - GB18030 > GBK > GB2312（汉字数量）
• Big5（相当于是ASCII+繁中)
• Shift_JIS（相当于是ASCII+日文)
• ......
• Unicode编码（下面介绍）

字符编码（3）

• Unicode(字符集)

        - 目标：不断扩充，存储全世界所有的字符

• 编码方案

        - UTF-8，兼容ASCII，变长(1-4个字节存储字符)，经济，方便传输（最常用）

        - UTF-16，用 变长(2-4个字节)来存储所有字符（Java内部采用的编码格式）

        - UTF-32，用32bits(4个字节)存储所有字符

字符编码（4）

• ANSI编码

        – Windows上非Unicode的默认编码(Windows code pages)

        – 在简体中文Windows操作系统中，ANSI 编码代表 GBK 编码

        – 在繁体中文Windows操作系统中，ANSI编码代表Big5

        -- 记事本默认是采用ANSI保存

Java的字符编码与相关类：

Java字符编码

• 源文件编码：采用UTF-8编码
  – Eclipse，右键 项目/Java文件，属性，resource，选择UTF-8
• 程序内部采用UTF-16编码存储所有字符(不是程序员控制)
• 和外界(文本文件)的输入输出尽量采用UTF-8编码

Java字符相关类的代码实践

• 获取当前默认字符集

  public static void main(String[] args) {
  		//默认字符集 GBK
  		Charset c = Charset.defaultCharset();
  		System.out.println(c.name());
  		
  		//输出所有的支持字符集
  		SortedMap<String, Charset> sm = Charset.availableCharsets();  
          Set<String> keyset = sm.keySet();  
          System.out.println("Java 支持的所有字符集");  
          for (String s : keyset) {  
              System.out.println(s);  
          }  
  	}

• 编码转换和解码

        先用UTF-8编码格式将一个字符串(a)编码成字节数组，再将该字节数组以GBK的编码形式给解码成一个字符串，结果出来的结果是乱码的

        然后再将乱码的结果(b)以GBK的编码格式编码成一个字节数组，最后再以UTF-8的形式将这个字节数组解码，发现还是乱码的

import java.io.UnsupportedEncodingException;

public class StringTest {

	public static void main(String[] args) throws UnsupportedEncodingException {
		String a = "我是中国人 ";		
		String b = new String(a.getBytes("UTF-8"), "GBK");
		/**getBytes方法先将变量 a 中的字符串以UTF-8的编码格式转化成字节；
		*而这里的new String( byte[] bytes, String char )构造方法会以第二个参数 char 给出
		*的编码格式来解码字节数组 bytes ，然后返回解码后的字符串并赋给变量 b
		*/
		
		System.out.println(b);
		
		String c = new String(b.getBytes("GBK"), "UTF-8");
		System.out.println(c);
		
	}

}

输出结果图 ->:

 

总结

编码格式最好以UTF-8为主

和外界的输入输出最好都用同一种编码