一、IO流前置内容:字符集
1、字符集基础知识
-
计算机底层不可以直接存储字符的,只能存储**
二进制(0、1)
** -
二进制是可以转换成十进制的
结论:计算机底层可以表示十进制编号。计算机可以给人类字符进行编号存储,这套编号规则就是字符集
。
2、ASCII字符集
-
ASCII(American Standard Code for Information Interchange:美国信息交换标准代码):包括了数字、英文、符号。
-
ASCII使用1字节存储一个字符,1个字节是8位,总共可以表示128个字符信息,对于英文、数字来说是够用了。
3、GBK
- Windows系统默认的码表。兼容ASCII码表,也包含了几万个汉字,并支持繁体汉字以及部分日韩文字。
- 注意:GBK是中国的码表,一个中文以两个字节的形式存储。但不包含世界上所有国家的文字。
4、Unicode码表
- unicode(又称统一码、万国码、单一码)是计算机科学领域里的一项业界字符编码标准。
- 容纳世界上大多数国家的所有常见文字和符号。
- 由于Unicode会先通过UTF-8,UTF-16,以及UTF-32的编码成二进制后再存储到计算机,其中最为常见的就是UTF-8.
注意:
- Unicode是万国码,以UTF-8编码后一个中文一般以
三个字节
的形式存储。 - UTF-8也要兼容ASCII编码表。
- 技术人员都应该使用UTF-8的字符集编码。
- 编码前和编码后的字符集需要一致,否则会出现中文乱码。
5、汉字存储和展示过程解析
总结
1、字符串常见的字符底层组成是什么样的?
- 英文和数字等在任何国家的字符集中都占1个字节
- GBK字符中一个中文字符占2个字节
- UTF-8编码中一个中文1般占3个字节
2、编码前的字符集和编码后的字符集有什么要求?
- 必须一致,否则会出现中文字符乱码
- 英文和数字在任何国家的编码中都不会乱码
二、IO流前置内容:字符集的编码、解码操作
1、String编码
方法名称 | 说明 |
---|---|
byte[] getBytes() | 使用平台的默认字符集将该 String编码为一系列字节,将结果存储到新的字节数组中 |
byte[] getBytes(String charsetName) | 使用指定的字符集将该 String编码为一系列字节,将结果存储到新的字节数组中 |
2、String解码
构造器 | 说明 |
---|---|
String(byte[] bytes) | 通过使用平台的默认字符集解码指定的字节数组来构造新的String |
String(byte[] bytes, String charsetName) | 通过指定的字符集解码指定的字节数组来构造新的String |
package com.app.d4_charset;
import java.io.UnsupportedEncodingException;
import java.util.Arrays;
/**
目标:学会自己进行文字的编码、解码,为以后可能用到的业务场景做准备。
*/
public class CharsetDemo {
public static void main(String[] args) throws Exception {
// 1、编码:把文字转换成字节(使用指定的编码)
String name = "Hello,我的世界123!";
byte[] bytes1 = name.getBytes(); // 以当前代码默认字符集进行编码(看屏幕右下角:UTF-8)
System.out.println("使用UTF-8编码后的字节数:" + bytes1.length);
System.out.println("使用UTF-8编码后:" + Arrays.toString(bytes1));
System.out.println();
byte[] bytes2 = name.getBytes("GBK"); // 指定GBK编码
System.out.println("使用GBK编码后的字节数:" + bytes2.length);
System.out.println("使用GBK编码后:" + Arrays.toString(bytes2));
System.out.println("----------------------");
// 2、解码:把字节转换成对应的中文形式(编码前和编码后的字符集必须一致,否则中文会出现乱码,英文和数字不会乱码!)
String rs1 = new String(bytes1); // 默认的UTF-8
System.out.println("使用UTF-8解码后:" + rs1);
System.out.println();
String rs2 = new String(bytes2, "GBK"); // 指定GBK解码
System.out.println("使用GBK解码后:" + rs2);
}
}
使用UTF-8编码后的字节数:26
使用UTF-8编码后:[72, 101, 108, 108, 111, -17, -68, -116, -26, -120, -111, -25, -102, -124, -28, -72, -106, -25, -107, -116, 49, 50, 51, -17, -68, -127]
使用GBK编码后的字节数:20
使用GBK编码后:[72, 101, 108, 108, 111, -93, -84, -50, -46, -75, -60, -54, -64, -67, -25, 49, 50, 51, -93, -95]
----------------------
使用UTF-8解码后:Hello,我的世界123!
使用GBK解码后:Hello,我的世界123!
Process finished with exit code 0