java 字符集检测_JAVA字符编码测试

几点注意：

1，ASCII码和ISO-8859-1都是单字节编码，ASCII码能表示128个字符，ISO-8859-1总共能表示256个字符。都不能表示中文，如果中文字符或其它不在IOS-8859码值范围内的字符会统一用3f表示(显示为"?", 通常所说的"黑洞")；

2，GBK兼容GB2312，是双字节编码，GB2312包含6763个汉字，GBK包含21003个汉字；

3，UTF-16为定长双字节编码，大大简化了字符串的操作，但是会浪费存储空间。JAVA以UTF-16作为内存存储格式(见编码测试输出source行)；

4，UTF-8采用变长，不同类型的字符可以由1~6个字节组成(汉字一般3个字节)。UTF-8规则如下：

如果是1个字节，最高位(第8位)为0，则表示这是1个ASCII字符(00~7F)。可见，所有的ASCII编码已经是UTF-8了。

如果是1个字节，以11开头，则连续的1的个数暗示这个字符的字节数，例如：110xxxxx代表它是双字节UTF-8字符的首字节。

如果是1个字节，以10开头，表示它不是首字节，则需要向前查找才能得到当前字符的首字节。

测试代码：

packagecom.test.main;public classTestCode {public static voidencode(){

String name= "淘！我喜欢！";

toHex(name.toCharArray());

String [] codeType= {"ISO-8859-1", "GB2312", "GBK", "UTF-16", "UTF-8"};for(String type : codeType) {try{byte [] bytes =name.getBytes(type);

toHex(type, bytes);

}catch(Exception e) {

e.printStackTrace();

}

}

}private static void toHex(String name, byte[] charArray) {

System.out.print(String.format("%-15s", name + ":"));for (int i = 0; i < charArray.length; i++) {

System.out.print(String.format("%-4x ", charArray[i]));

}

System.out.println();

}private static void toHex(char[] charArray) {

System.out.print(String.format("%-15s","source:"));for (int i = 0; i < charArray.length; i++) {

System.out.print(String.format("%-4x ", (int)charArray[i]));

}

System.out.println();

}public static voidmain(String[] args) {

encode();

}

}

输出：