JAVA里字符编码的探索与理解

 

今天终于把JAVA里一个比较头痛的问题——字符编码弄清晰了
　　众所周知，JAVA为了国际通用，用的是UNICODE来保存里面的字符。而UNICODE只是一个种字符集，字符的存储和表示要用到一定的字符编码格式，而与UNICODE对应的字符编码格式就是我们常看到的UTF-8,UTF-16等等，而UTF-8是最常用的，所以人们常常把它和UNICODE等同起来(我以前就是这样的)，这在某些情况下是没有错的，但这样的理解在JAVA里就会产生一些混淆。我们用下面的程序来演示一下。

　　定义一个字符串

　　String name = "堂";

　　这个字符串就一个字符，把它取出来

　　char c_name = name.charAt(0);

　　JAVA里的char型是十六位的(两个字节)，但是如果是用UTF-8的话可能会不只两位(UTF-8是变长存储的)，那看来JAVA本身并不是用UTF-8来保存的，口说无凭，做个实验吧。

　　首先看看char里保存的内容　　 int low = (c_name) & 0xff; //取c_name的低位
　　int high = (c_name >> 8) & 0xff; //取c_name的高位
　　System.out.println(Integer.toHexString(high) + " " + Integer.toHexString(low));
　　结果是58 02

　　只有两个字节而已(16位)，那么真正的UTF-8编码的内容是什么呢，再看看吧。

　　为了方便，我写了一个辅助方法printbyte，作用是把一个byte数组的每个元素按照十六进制格式打印出来，同样为了方便，我把它作为静态方法。

                                                                                                                                                                                       （转自conanpaul ）