非常一般的 JAVA 的学习笔记 —— 字符串编码小觑

想不到头一篇博文会在这种时候写出来，哼

也罢，不过是为了记录一下而已

废话不多说了，这个是个纠结了很长时间的事情——java中的字符串到底是以什么方式存储，再转换为其他编码的时候又会以什么方式输出——原本已经想得很清楚，但只要过一段时间不接触就会忘，索性写这么个东西来记录一下

总所周知，java中的基本类型 char 是以 UTF-16 编码存储的，可后来知道了 UTF-16 还分大端 和 小端 就纠结了，java 里面的到底是大端还是小端，写个程序试试呗

于是便有了下面这个比较简陋的测试 main 函数，顺便也把别的常用编码看了看

public static void main(String[] args) {
		int i, length;
		int iChar;
		String strTest;
		char[] arrChTest;
		byte[] bytesTestGBK;
		byte[] bytesTestUTF8;
		byte[] bytesTestUTF16LE;
		byte[] bytesTestUTF16BE;
		
		strTest = "想回到大学时代。。。";
		
		arrChTest = strTest.toCharArray();
		try {
			bytesTestGBK = strTest.getBytes("GBK");
			bytesTestUTF8 = strTest.getBytes("UTF8");
			bytesTestUTF16LE = strTest.getBytes("UTF-16LE");
			bytesTestUTF16BE = strTest.getBytes("UTF-16BE");
			
			System.out.println("char 类型的：" + arrChTest.length);
			for ( i = 0; i < arrChTest.length; ++i ) {
				iChar = arrChTest[i];
				System.out.printf("%04X ", iChar);
			}
			System.out.println();
			
			System.out.println("字节序列数组 GBK：" + bytesTestGBK.length);
			for ( i = 0; i < bytesTestGBK.length; ++i ) {
				System.out.printf("%02X ", bytesTestGBK[i]);
			}
			System.out.println();
			
			System.out.println("字节序列数组 UTF-8：" + bytesTestUTF8.length);
			for ( i = 0; i < bytesTestUTF8.length; ++i ) {
				System.out.printf("%02X ", bytesTestUTF8[i]);
			}
			System.out.println();
			
			System.out.println("字节序列数组 UTF16LE：" + bytesTestUTF16LE.length);
			for ( i = 0; i < bytesTestUTF16LE.length; ++i ) {
				System.out.printf("%02X ", bytesTestUTF16LE[i]);
			}
			System.out.println();
			
			System.out.println("字节序列数组 UTF16BE：" + bytesTestUTF16BE.length);
			for ( i = 0; i < bytesTestUTF16BE.length; ++i ) {
				System.out.printf("%02X ", bytesTestUTF16BE[i]);
			}
			System.out.println();
		}
		catch (UnsupportedEncodingException e) {
			e.printStackTrace();
		}
	}

结果：

char 类型的：10
60F3 56DE 5230 5927 5B66 65F6 4EE3 3002 3002 3002 
字节序列数组 GBK：20
CF EB BB D8 B5 BD B4 F3 D1 A7 CA B1 B4 FA A1 A3 A1 A3 A1 A3 
字节序列数组 UTF-8：30
E6 83 B3 E5 9B 9E E5 88 B0 E5 A4 A7 E5 AD A6 E6 97 B6 E4 BB A3 E3 80 82 E3 80 82 E3 80 82 
字节序列数组 UTF16LE：20
F3 60 DE 56 30 52 27 59 66 5B F6 65 E3 4E 02 30 02 30 02 30 
字节序列数组 UTF16BE：20
60 F3 56 DE 52 30 59 27 5B 66 65 F6 4E E3 30 02 30 02 30 02 

char 可以简单的认为成是 short 类型的

拿第一个字符来说： char = 60F3 ， 对应 UTF16LE 的字节 = F3 60，对应 UTF16BE 的字节 = 60 F3，字节按照由低到高输出，乍一看 UTF16BE 编码和 java 的 char 类型是一致的，但是实际上，char 作为数字来说 60 是高位，F3是低位，所以由低到高 F3 60 才是正序，也就是说 char 是 UTF16LE 编码，而非 UTF16BE 

有点绕，尤其对于强迫症来说是个灾难，明明“60F3” 与 “60 F3 ” ，不知道别人怎么看，反正一开始我是觉得挺别扭，这东西别太纠结，明白了就好

唉？这么一说好像很简单，那么我之前到底在纠结什么呢？算了，就留给自己看吧