最近项目做到一个功能
刚好了解到java字符串的编码与解码
网上搜索的,关于编码转换各种错误文档
特此写一下自己一些收获
首先
java内存储字符都是unicode存储的
比如
System.out.println('\u54c8');
System.out.println(Integer.toHexString((short)'哈'));
输出结果
哈
54c8
那么字符串 "哈"
在各种编码下是如何表达的
String str = "哈";
test(str.getBytes("US-ASCII"));
test(str.getBytes("ISO-8859-1"));
test(str.getBytes("gb2312"));
test(str.getBytes("gbk"));
test(str.getBytes("UTF-8"));
test(str.getBytes("UTF-16"));
结果
3f
3f
b9fe
b9fe
e59388
feff54c8
显而易见,iso-8859-1 以及 gbk 是向下兼容ascii 跟 gb2312
所以是一样的
占位大小也很明显
从上往下 1,2,3,4(这里是用十六进制显示的,为了打印明显)
显然是各不相同的
那么问题就来了
如何从gbk转码到utf-8
从上面的分析,我们很清楚可以知道
字符在jvm是以unicode存储的
那么不论"哈"是utf-8还是gbk还是utf-16 它都是 '\u54c8'
所以,要将"哈"从gbk转化为utf-8
String gbkStr = new String(str.getBytes("gbk"),"gbk");
System.out.println(gbkStr);
String utfStr = new String(str.getBytes("utf-8"),"utf-8");
System.out.println(utfStr);
输出
哈
哈
想要得到相应编码的byte数组,就以该编码解码unicode字符