【Java 基础】28 字符编码

字符编码（Character Encoding）是一种将字符映射为二进制数据的规则或算法。在计算机中字符编码用于将人类可读的字符表示转换为计算机可处理的二进制形式，以便在存储、传输和处理文本数据时使用。

首先，我们先看一个现象

例如，现在有两个人在聊天，可是一个人写中文，另外一个人写英文

那么就会存在一个问题，没法聊啦！！！

为了避免这种不知道说啥的问题（乱码），则必须使用相同的语言（字符编码）让双方都认识。

1.字符集

字符集（Character Set）是一组字符的集合，每个字符在字符集中都有一个唯一的编号

它是字符编码的基础，为了在计算机中存储和处理文本数据，字符必须被映射到二进制表示。

在 Java 中，最常见的字符集之一是 Unicode，它是一种全球字符集，几乎包含了所有已知的字符，不论是拉丁字母、希腊字母还是汉字等。

2.编码方式

编码方式（Encoding）是将字符集中的字符映射到具体的二进制表示的过程

不同的编码方式使用不同的规则，决定了如何将字符转换为计算机可理解的二进制数据。常见的编码方式包括 ASCII、UTF-8、UTF-16、ISO-8859-1 等。

1）ASCII

ASCII（American Standard Code for Information Interchange）是最早的字符编码标准，使用 7 位二进制数表示一个字符，因此只能表示 128 个字符。ASCII 主要包含了英文字母、数字和一些常见符号。

2）UTF-8 编码

UTF-8（Unicode Transformation Format - 8-bit）是一种可变长度的字符编码，它使用 8 位、16 位和 32 位二进制数表示字符。对于英文字符，UTF-8 使用 8 位表示，对于其他字符，使用多个字节表示。UTF-8 是一种被广泛使用的 Unicode 实现方式，支持几乎所有的字符。

在 Java 中，可以使用 Charset.forName("UTF-8") 表示 UTF-8 编码。

3）UTF-16 编码

UTF-16 也是 Unicode 的一种实现方式，使用 16 位二进制数表示一个字符。它可以表示 65536 个字符，但对于一些较大的字符，需要使用两个 16 位的编码单元表示。UTF-16 适用于处理包含辅助平面字符（Supplementary Planes）的 Unicode 字符。

4）ISO-8859-1 编码

ISO-8859-1（Latin-1）是 ISO 组织制定的字符编码标准，使用 8 位二进制数表示一个字符，可以表示 256 个字符。它是 ASCII 的扩展，包含了欧洲语言中的特殊字符。在 Java 中，ISO-8859-1 编码可以通过 Charset.forName("ISO-8859-1") 来表示。

3.使用样例

Charset 类

Java 提供了 Charset 类来表示字符集，它包含了许多静态方法用于获取标准字符集

例如 Charset.forName("UTF-8")，这能让我们在编码和解码时能够方便地指定字符集。

示例代码：

import java.nio.charset.Charset;
public class Demo {
    public static void main(String[] args) {
        Charset utf8Charset = Charset.forName("UTF-8");
        System.out.println("设定字符集为: " + utf8Charset);

        Charset isoCharset = Charset.forName("ISO-8859-1");
        System.out.println("设定字符集为: " + isoCharset);
    }
}

输出结果：

设定字符集为: UTF-8
设定字符集为: ISO-8859-1

String 类

Java 中的 String 类也提供了一些方法来进行字符编码和解码。这些方法允许将字符串转换为字节数组（编码），或将字节数组转换为字符串（解码）。

import java.nio.charset.StandardCharsets;
public class Demo {
    public static void main(String[] args) {
        String str = "Hello, 中国！";
        System.out.println("输入的字符串：" + str);

        // 编码为字节数组
        byte[] utf8Bytes = str.getBytes(StandardCharsets.UTF_8);
        StringBuilder hexString = new StringBuilder();
        for (byte b : utf8Bytes) {
            hexString.append(String.format("%02X", b));
        }
        System.out.println("输出字节数组对应的十六进制字符串：" + hexString);

        // 解码字节数组为字符串
        String decodedStr = new String(utf8Bytes, StandardCharsets.UTF_8);
        System.out.println("输出解码字节数组为字符串: " + decodedStr);
    }
}

输出结果：

输入的字符串：Hello, 中国！
输出字节数组对应的十六进制字符串：48656C6C6F2C20E4B8ADE59BBDEFBC81
输出解码字节数组为字符串: Hello, 中国！

上述示例演示了如何将字符串使用 UTF-8 编码为字节数组，并再次使用 UTF-8 解码为字符串。其中又将字节数组转换为十六进制字符串，以便更好地展示字节内容。

4.注意事项

• 选择合适的字符集和编码方式： 根据应用的需求选择合适的字符集和编码方式，以确保文本数据正确存储和传输。推荐使用 UTF-8 ，因为它能够支持几乎所有的字符。
• 处理异常： 在进行字符编码和解码时，要注意处理可能抛出的异常，如 UnsupportedEncodingException。合理的异常处理有助于增强程序的健壮性。
• 文件编码： 在处理文件时，了解文件的编码方式是很重要的。特别是在读取外部文本文件时，要确保使用正确的字符集进行解码，以避免乱码问题。
• 避免混淆： 在不同系统和环境中，字符集和编码的默认值可能不同。明确指定字符集有助于避免因环境差异而导致的问题。

结语

字符编码是 Java 编程中不可忽视的重要概念。了解不同的字符集和编码方式，以及如何在 Java 中进行字符编码和解码，对于处理文本数据至关重要。通过正确地选择字符集和编码方式，可以确保应用在处理多语言和国际化文本时能够稳健地运行。在实际开发中，始终保持对字符编码的关注，并采用良好的编码实践，将有助于提高应用的可维护性和稳定性。