文本文件的编码

文本文件就是字节序列，可以是任意编码的字节序列。

1. gbk编码中文占2个字节，英文占1个字节
2. utf-8 中文占3个字节，英文占1个字节
   在UTF-8中，一个汉字为什么需要三个字节？这篇短文对utf-8说的很清楚了。
3. Java是双字节编码utf-16be, 中文占用2字节，英文占用2字节

public class EncodeDemo {
	public static void main(String[] args) throws Exception {
		String s = "编码ABC";
		// gbk编码中文占2个字节，英文占1个字节
		byte[] bytes1 = s.getBytes();
		for (byte b : bytes1) {
			System.out.print(Integer.toHexString(b & 0xff)+ " ");
		}
		System.out.println();
		byte[] bytes2 = s.getBytes("gbk");
		for (byte b : bytes2) {
			System.out.print(Integer.toHexString(b & 0xff) + " ");
		}
		System.out.println();

		// utf-8 中文占3个字节，英文占1一个字节
		byte[] bytes3 = s.getBytes("utf-8");
		for (byte b : bytes3) {
			System.out.print(Integer.toHexString(b & 0xff) + " ");
		}
		System.out.println();
		
		// Java是双字节编码utf-16be, 中文占用2字节，英文占用2字节
		byte[] bytes4 = s.getBytes("utf-16be");
		for (byte b : bytes4) {
			System.out.print(Integer.toHexString(b & 0xff) + " ");
		}
		System.out.println();
		
		/*
		 * 当你的字节序列是某种编码时，这个时候想把字节序列变成字符串，
		 * 也需要用这种编码方式，否则会出现乱码
		 */
		String str1 = new String(bytes4);
		System.out.println(str1);
		String str2 = new String(bytes4, "utf-16be");
		System.out.println(str2);
		
		/**
		 * 总结：文本文件就是字节序列，可以是任意编码的字节序列
		 */
	}

}