String.getBytes("Unicode")的疑问以及 SHIFT-JIS编码范围

最新推荐文章于 2022-09-19 18:04:08 发布

weixin_33966365

最新推荐文章于 2022-09-19 18:04:08 发布

阅读量454

点赞数

文章标签： java 数据库 c/c++

String.getBytes(charsetName),这个方法很多人都用过，可是有没有试过temp.getBytes("Unicode");这样的用法，它的返回值很奇怪，第1和第2个字节是-1或-2,比如下面的代码，你能想象出它的结果吗？

String temp = "a";

try {

byte[] unicodes = temp.getBytes("Unicode");

            System.out.println("unicodes=" + unicodes.length);
            for (int i = 0; i < unicodes.length; i++) {
                System.out.println(unicodes[i]);
            }

            unicodes = temp.getBytes("UnicodeLittleUnmarked");
            System.out.println("unicodes=" + unicodes.length);
            for (int i = 0; i < unicodes.length; i++) {
                System.out.println(unicodes[i]);
            }

            unicodes = temp.getBytes("UnicodeBigUnmarked");
            System.out.println("unicodes=" + unicodes.length);
            for (int i = 0; i < unicodes.length; i++) {
                System.out.println(unicodes[i]);
            }

        } catch (UnsupportedEncodingException e) {
            e.printStackTrace();
        }

输出结果：

unicodes=4
-1
-2
97
0
unicodes=2
97
0
unicodes=2
0
97

为什么会有这种结果呢？蓝色的返回了四个字节，-1,-2,是字节顺的一种表示，这是由sun的类库实现，指示如果没有指定字节就使用默认的UnicodeLittle（在Window平台，别的平台我没测试），但为了标识这种字节顺，就使用了-1,-2在前面表示。

黑色的字，是UnicodeLittleUnmarked的结果，其返回字节只是两个字节，这与Unicode的编码相符合，注意到97,0与使用Unicode时后两个字节顺序一样。

红色的字，是使用UnicodeBigUnmarked的结果，字节顺与Little相反，也没有-1,-2.

由以上应该知道，temp.getBytes("Unicode");应该小心使用，应该注意它返回的-1,-2,这两个字节，因为在一些网络程序中，特别是当对方是由java以外的语言编写，有可能不会使用这种方式来标识字节顺，因此要了解对方的细节，这样才能保证数据的准确传递。

+++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++

想把一个文件中的日文部分提取出来，可是其他的东西都不知道是什么，好在还能查到SHIFT-JIS编码的范围。有个范围怎么着还是能将就是把文字提出来，只是没有格式罢了。转自:http://blog.csdn.net/walacewang/archive/2006/03/03/614382.aspx

Shift_JIS是一个日本电脑系统常用的编码表。它能容纳全形及半形拉丁字母、平假名、片假名、符号及日语汉字。

它被命名为Shift_JIS的原因，是它在放置全形字符时，要避开原本在0xA1-0xDF放置的半角假名字符。

在微软及IBM的日语电脑系统中，即使用了这个编码表。这个编码表称为CP932。

字节结构
以下字元在Shift_JIS使用一个字节来表示。