JAVA里字符編碼的探索與理解
今天終于把JAVA里一個(gè)比較頭痛的問(wèn)題——字符編碼弄清晰了，所以寫(xiě)一篇文章來(lái)紀(jì)念一下，也為大家提供一點(diǎn)自己的心得。
眾所周知，JAVA為了國(guó)際通用，用的是UNICODE來(lái)保存里面的字符。而UNICODE只是一個(gè)種字符集，字符的存儲(chǔ)和表示要用到一定的字符編碼格式，而與UNICODE對(duì)應(yīng)的字符編碼格式就是我們常看到的UTF-8,UTF-16等等，而UTF-8是最常用的，所以人們常常把它和UNICODE等同起來(lái)(我以前就是這樣的)，這在某些情況下是沒(méi)有錯(cuò)的，但這樣的理解在JAVA里就會(huì)產(chǎn)生一些混淆。我們用下面的程序來(lái)演示一下。
定義一個(gè)字符串
String name = "堂";
這個(gè)字符串就一個(gè)字符，把它取出來(lái)
char c_name = name.charAt(0);
JAVA里的char型是十六位的(兩個(gè)字節(jié))，但是如果是用UTF-8的話可能會(huì)不只兩位(UTF-8是變長(zhǎng)存儲(chǔ)的)，那看來(lái)JAVA本身并不是用UTF-8來(lái)保存的，口說(shuō)無(wú)憑，做個(gè)實(shí)驗(yàn)吧。
首先看看char里保存的內(nèi)容
| int low = (c_name) & 0xff;//取c_name的低位 int high = (c_name >> 8) & 0xff;//取c_name的高位 System.out.println(Integer.toHexString(high) + " " + Integer.toHexString(low)); |
結(jié)果是58 02
只有兩個(gè)字節(jié)而已(16位)，那么真正的UTF-8編碼的內(nèi)容是什么呢，再看看吧。
為了方便，我寫(xiě)了一個(gè)輔助方法printbyte，作用是把一個(gè)byte數(shù)組的每個(gè)元素按照十六進(jìn)制格式打印出來(lái)，同樣為了方便，我把它作為靜態(tài)方法。
#p#
| public static void printbyte(byte[] bt) { for (int i = 0; i < bt.length; i++) { int hex = (int)bt[i] & 0xff; System.out.print(Integer.toHexString(hex) + " "); } System.out.println(" length = "+bt.length); } byte[] utf_8 = name.getBytes("utf-8"); printbyte(utf_8); |
結(jié)果是e5 a0 82 length = 3
哇，三個(gè)字節(jié)!看來(lái)JAVA內(nèi)部用的真不是UTF-8，那用的是什么呢?UTF-16?看一下便知。
| byte[] utf_16 = name.getBytes("utf-16"); printbyte(utf_16); |
結(jié)果是fe ff 58 02 length = 4，靠，四個(gè)字節(jié)了。咦?后面的低16位不正是和開(kāi)始c_name的十六進(jìn)制表示一樣的嗎?看來(lái)JAVA真正的內(nèi)部字符編碼和UTF-16有或多或少的聯(lián)系。JAVA內(nèi)部究竟是用的什么字符編碼呢?這個(gè)問(wèn)題我也找了很久，后來(lái)在THINK IN JAVA 3rd的12章里看到一個(gè)例子出現(xiàn)了UTF-16BE，難道是它?
| byte[] utf_16be = name.getBytes("utf-16be"); printbyte(utf_16be); 結(jié)果出來(lái)了：58 02 length = 2 |
哈哈，I got it!不多不少兩個(gè)字節(jié)，內(nèi)容也一樣。果然是它。同時(shí)我在里面也看到，UNICODE的編碼還有一個(gè)LE，這里的BE,LE我想應(yīng)該是bigendian和littleendian吧。
【編輯推薦】
