Java之将GB2312编码转化为汉字

本文实现将GB2312编码转换成汉字，并简单了解一下GB2312编码。GB2312是信息交换汉字编码字符集，适用于汉字处理、汉字通信等系统之间的信息交换，通行于中国大陆。使用区位码表示方式，对所收汉字进行了“分区”处理，每区含有94个汉字/符号。

• 01-09区为特殊符号。
• 16-55区为一级汉字，按拼音排序。
• 56-87区为二级汉字，按部首/笔画排序。
• 10-15区及88-94区则未有编码。

注：

• “啊”字是GB2312之中的第一个汉字，它的区位码就是1601。
• 每个汉字及符号以两个字节来表示。

将GB2312编码转化为汉字方法：

public void App() throws Exception{
    String string = "CCB8B9FAC6BD";
    String result = stringToGbk(string);
    System.out.println(result);
}

// 将gbk编码转换成汉字
public String stringToGbk(String string) throws Exception{
    byte[] bytes = new byte[string.length() / 2];
    for(int i = 0; i < bytes.length; i ++){
        byte high = Byte.parseByte(string.substring(i * 2, i * 2 + 1), 16);
        byte low = Byte.parseByte(string.substring(i * 2 + 1, i * 2 + 2), 16);
        bytes[i] = (byte) (high << 4 | low);
    }
    String result = new String(bytes, "gbk");
    return result;
}

第一个字节称为“高位字节”（也称“区字节）”，第二个字节称为“低位字节”（也称“位字节”）。“高位字节”使用了0xA1-0xF7(把01-87区的区号加上0xA0)，“低位字节”使用了 0xA1-0xFE(把01-94加上 0xA0)。由于一级汉字从16区起始，汉字区的“高位字节”的范围是0xB0-0xF7，“低位字节”的范围是0xA1-0xFE，占用的码位是 72*94=6768。其中有5个空位是D7FA-D7FE。

举例：“啊”字以两个字节，0xB0（第一个字节） 0xA1（第二个字节）储存。

区位码 = 区字节 + 位字节（与区位码对比：0xB0=0xA0+16,0xA1=0xA0+1）