新建文本文档,输入“联通”保存再打开后为乱码,输入“学习”也是如此,为什么呢?
package test;
import java.io.File;
import java.io.FileInputStream;
import java.io.IOException;
public class test {
public static void main(String[] args) throws IOException {
FileInputStream fileInputStream = new FileInputStream("c:"
+ File.separator + "迅雷下载" + File.separator + "新建文本文档.txt");
int temp = 0;
System.out.println("在此得到手动新建文本文档输入联通保存到硬盘上的字节码:");
while ((temp = fileInputStream.read()) != -1) {
System.out.println(Integer.toBinaryString(temp & 0xff));
}
System.out.println("----------------------------------------");
String str = "联通";
byte[] buf = str.getBytes("gbk");
System.out.println("联通按GBK编码后的字节码,可知我们手动保存的文本文档是按照GBK保存的:");
for (byte b : buf) {
System.out.println(Integer.toBinaryString(b & 0xff));
}
System.out.println("----------------------------------------");
}
}
输出:
在此得到手动新建文本文档输入联通保存到硬盘上的字节码:
11000001
10101010
11001101
10101000
----------------------------------------
联通按GBK编码后的字节码,可知我们手动保存的文本文档是按照GBK保存的:
11000001
10101010
11001101
10101000
----------------------------------------
我们再查阅Java的API文档得到UTF-8的解析原理:
'\u0001'
到 '\u007F'
范围内的所有字符都是用单个字节表示的:
位值 字节 1
0 位 6-0
null 字符 '\u0000'
以及从 '\u0080'
到'\u07FF'
的范围内的字符用两个字节表示:
位值 字节 1
1 1 0 位 10-6 字节 2
1 0 位 5-0
'\u0800'
到 '\uFFFF'
范围内的 char
值用三个字节表示:
位值 字节 1
1 1 1 0 位 15-12 字节 2
1 0 位 11-6 字节 3
1 0 位 5-0
所以在解析联通时,联通的GBK编码正好符合UTF-8的编码方式,正如第二种字节1为110开头,字节2为10开头,故在操作系统中解析时按照UTF-8解析出的结果为:
��ͨ
但如果联通后面再接上更多字符,记事本就会按照默认的GBK进行正确的解析,同理,“学习”的编码也如此。