GBK 转UTF-8

最新推荐文章于 2024-05-25 20:01:06 发布

zha_zi

最新推荐文章于 2024-05-25 20:01:06 发布

阅读量137

点赞数

分类专栏： java se

本文链接：https://blog.csdn.net/zha_zi/article/details/84356270

版权

java se 专栏收录该内容

20 篇文章 0 订阅

订阅专栏

 
        public  
        String convertString(String gbk){ 
       
        String utf8 =  
        "" 
        ; 
       
        try  
        { 
       
        utf8 =  
        new  
        String(gbk2utf8(gbk), 
        "UTF-8" 
        ); 
       
        }  
        catch  
        (UnsupportedEncodingException e) { 
       
        e.printStackTrace(); 
       
        } 
       
        return  
        utf8; 
       
        } 
       
        public  
        byte 
        [] gbk2utf8(String chenese) { 
       
        char  
        c[] = chenese.toCharArray(); 
       
        byte 
        [] fullByte =  
        new  
        byte 
        [ 
        3  
        * c.length]; 
       
        for  
        ( 
        int  
        i =  
        0 
        ; i < c.length; i++) { 
       
        int  
        m = ( 
        int 
        ) c[i]; 
       
        String word = Integer.toBinaryString(m); 
       
        StringBuffer sb =  
        new  
        StringBuffer(); 
       
        int  
        len =  
        16  
        - word.length(); 
       
        for  
        ( 
        int  
        j =  
        0 
        ; j < len; j++) { 
       
        sb.append( 
        "0" 
        ); 
       
        } 
       
        sb.append(word); 
       
        sb.insert( 
        0 
        ,  
        "1110" 
        ); 
       
        sb.insert( 
        8 
        ,  
        "10" 
        ); 
       
        sb.insert( 
        16 
        ,  
        "10" 
        ); 
       
        String s1 = sb.substring( 
        0 
        ,  
        8 
        ); 
       
        String s2 = sb.substring( 
        8 
        ,  
        16 
        ); 
       
        String s3 = sb.substring( 
        16 
        ); 
       
        byte  
        b0 = Integer.valueOf(s1,  
        2 
        ).byteValue(); 
       
        byte  
        b1 = Integer.valueOf(s2,  
        2 
        ).byteValue(); 
       
        byte  
        b2 = Integer.valueOf(s3,  
        2 
        ).byteValue(); 
       
        byte 
        [] bf =  
        new  
        byte 
        [ 
        3 
        ]; 
       
        bf[ 
        0 
        ] = b0; 
       
        fullByte[i *  
        3 
        ] = bf[ 
        0 
        ]; 
       
        bf[ 
        1 
        ] = b1; 
       
        fullByte[i *  
        3  
        +  
        1 
        ] = bf[ 
        1 
        ]; 
       
        bf[ 
        2 
        ] = b2; 
       
        fullByte[i *  
        3  
        +  
        2 
        ] = bf[ 
        2 
        ]; 
       
        } 
       
        return  
        fullByte; 
       
        }

顺手把那个大大的转换原理贴出来：
UTF-8 采用变长度字节来表示字符，理论上最多可以到 6 个字节长度(一个字符六个字节)。
UTF-8 编码兼容了 ASC II(0-127)，也就是说 UTF-8 对于 ASC II 字符的编码是和 ASC II 一样的。
对于超过一个字节长度的字符，才用以下编码规范：
左边第一个字节1的个数表示这个字符编码字节的位数，
例如两位字节字符编码样式为为：110xxxxx 10xxxxxx；
三位字节字符的编码样式为：1110xxxx 10xxxxxx 10xxxxxx.；
以此类推，六位字节字符的编码样式为：1111110x 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx。
xxx 的值由字符编码的二进制表示的位填入。只用最短的那个足够表达一个字符编码的多字节串。
例如：
Unicode 字符： 00 A9（版权符号） = 1010 1001，
UTF-8 编码为：11000010 10101001 = 0x C2 0xA9;
字符 22 60 (不等于符号) = 0010 0010 0110 0000，
UTF-8 编码为：11100010 10001001 10100000 = 0xE2 0x89 0xA0

UTF-8的编码原理和特性：

U+0000~U+007E 1 _ _ _ _ _ _ _ (7bits)

U+0080~U+07FF 1 1 0_ _ _ _ _ 1 0_ _ _ _ _ _ (11bits)

U+0800~U+FFFF 1 1 1 0 _ _ _ _ 1 0 _ _ _ _ _ _ 1 0 _ _ _ _ _ _ (16bits)