Java 应用中，各种编码问题知识点梳理

最新推荐文章于 2024-11-03 11:01:20 发布

weixin_34194359

最新推荐文章于 2024-11-03 11:01:20 发布

阅读量81

点赞数

文章标签： java

原文链接：https://my.oschina.net/HIJAY/blog/333295

版权

为什么80%的码农都做不了架构师？>>>

参考资料：

java 类里判断字符串是iso-8859-1还是gb2312,utf-8,gbk等,判断编码类型

1、判断字符串编码类型

System.out.println(java.nio.charset.Charset.forName("GB2312").newEncoder().canEncode("汉字"));
System.out.println(java.nio.charset.Charset.forName("ISO-8859-1").newEncoder().canEncode("汉字"));

结果：

true
false

GBK、GB2312、UTF-8里边都有汉字编码，所以判断时总是返回true.

2、字符集顺序

从小到大：

ISO-8859-1、GB2312、GBK、UTF-8

国际标准组织（ISO）定义了几个不同的字符集，它们是在ASCII码基础上增加了其他语言和地区需要的字符。

其中最突出的是ISO-8859-1，通常叫做Latin-1. Latin-1包括了书写所有西方欧洲语言不可缺少的附加字节，其中0~127的字符与ASCII码相同。

3、获取某个字符或汉字在utf-8,gbk,gb2312,iso8859-1下的十六进制,八进制,十进制,二进制的表示

参考资料：字符在utf-8,gbk,gb2312,iso8859-1下的编码实验

4、字符编码在计算机中真正的表示形式？

二进制

5、ISO-8859-1

iso-8859-1是JAVA网络传输使用的标准字符集,而gb2312是标准中文字符集,

当你作出提交表单等需要网络传输的操作的时候,就需要把 iso-8859-1转换为gb2312字符集显示,否则如果按浏览器的gb2312格式来解释iso-8859-1字符集的话,由于2者不兼容,所以会是乱码.

6、GB2312

简体中文编码标准。

对于GB2312，汉字是双字节的。所谓双字节是指一个双字要占用两个Byte的位置（即16位），分别称为高位和低位。

中国规定的汉字编码为GB2312，这是强制性的，目前几乎所有的能处理中文的应用程序都支持GB2312。

GB2312包括了一二级汉字和9区符号，高位从0xa1到0xfe，低位也是从0xa1到0xfe，其中，汉字的编码范围为0xb0a1到0xf7fe。

汉字的另外一种编码方式：GBK

GBK编码方式是一份规范，不是强制的（GB2312为强制性编码方式）。GBK提供了20902个汉字，它兼容GB2312，编码范围为0x8140到0xfefe。GBK中的所有字符都可以一一映射到Unicode 2.0.

7、GBK

因为GB2312只有简体字，为了扩充，便有了GBK编码标准。它是GB2312的超集。也就是说，GB2312编码的字符，都可以用GBK的方式解读。Windows默认字符集为GBK。

8、UTF-8、UTF-16、Unicode编码形式

Utf-8是8bit的，UTF-16是16bit，Unicode是UTF-16的形式。

UTF-16 或 Unicode 是 16-bit 固定长度的编码，并没有比 Big5 或 GB2312 码提供更大的容纳空间。

而 8-bit 不定长 (variable-length) 的编码，每个中文字使用 3 个位元组 (byte)。这意味着使用 UTF-8 编码的 XML 文件会比使用 Big5 码的文件大上 50%。但是假如使用 ASCII 码的标示 (Markup)，文件就不会大这么多了。标示大约会占文件的 50%。可能要使文件大小减少的方式就是採用文件压缩了。