一个关于Unicode字符编码的奇怪问题

有一个学员问了一个关于Unicode字符编码的奇怪问题。

 

问题如下:

String strChina = "中国";

 

1)直接把每个字符中的内容对应着的整数打印出来,显示的结果就是这个字符的Unicode码,则下面的代码:

              for(int i=0; i<strChina.length(); i++)

              {

                     System.out.println(Integer.toHexString((int)strChina.charAt(i)));

              }

打印出的结果是:

       4e2d

       56fd

2)下面的代码:

              byte [] buf = strChina.getBytes("Unicode");

              for(int i=0; i<buf.length; i++)

              {

                     System.out.println(Integer.toHexString(buf[i]));

              }

打印出的结果是:

       ffffffff

       fffffffe

       2d

       4e

       fffffffd

       56

打印出的“ffffffff”和“fffffffe”表示什么?“2d”和“4e”为什么和直接打印的结果是相反的?

 

回答如下:

 

在不同体系结构的计算机系统中,UTF-16编码的Unicode字符在内存中的字节存储顺序是不同的。使用Intel CPU的计算机中,一个多字节数据在内存中的存储形式通常是:低字节在前,高字节在后,这种方式称为Little-Endian(最不重要的字节在先)。但是,在使用其他CPU的一些计算机中,又是以高字节在前,低字节在后的方式存储多字节数据的,这种方式称为Big-Endian(最重要的字节在先)。对于0x1234这样一个双字节数据,使用Little-EndianBig-Endian两种方式在内存中存储的格式如图7.4所示。

 

 

对于采用UTF-16编码的文件,通常都要用字节顺序标记(Byte Order Mark,简称BOM)来说明文件中的字符所使用的字节存储顺序。如果文件以0xFE 0xFF这两个字节开头,则表明文本的其余部分是Big-Endian UTF-16编码;如果文件以0xFF 0xFE这两个字节开头,则表明文本的其余部分是Little-Endian UTF-16编码;如果文件开头没有使用任何字节顺序标记,则暗指全部文本都是Big-Endian UTF-16编码。

ffffffff”和“fffffffe”实际上是0xff0xfe的两个字节,把他们当作整数打印时,就成了4个字节, 由于0xfe最高bit位是1,当它转成4字节的整数时,前面3个字节的所有bit位都补1,结果就成了0xfffffffe。前面打印出:

ffffffff

fffffffe

2d

4e

fffffffd

56

实际上是:

ff

fe

2d

4e

fd

56

 

前两个字节是在说字节存储顺序!

 
  • 1
    点赞
  • 0
    评论
  • 0
    收藏
  • 一键三连
    一键三连
  • 扫一扫,分享海报

©️2021 CSDN 皮肤主题: 大白 设计师:CSDN官方博客 返回首页
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、C币套餐、付费专栏及课程。

余额充值