字符串的編碼方式

UTF-8是Unicode的一種實現(xiàn)方式，也就是它的字節(jié)結(jié)構(gòu)有特殊要求，所以我們說一個漢字的范圍是0X4E00到0x9FA5，是指unicode值，至于放在utf-8的編碼里去就是由三個字節(jié)來組織，所以可以看出unicode是給出一個字符的范圍，定義了這個字是碼值是多少，至于具體的實現(xiàn)方式可以有多種多樣來實現(xiàn)。

idea中默認(rèn)的字符串編碼方式為utf-8

System.out.println(System.getProperty("file.encoding"));

更改編碼方式：settings->fileCoding->GlobalEncoding = GBK

輸出結(jié)果：

utf-8和GBK中字符串所占用的字節(jié)數(shù)

    public static void print(String s) {
        for (byte aByte : s.getBytes()) {
            System.out.println(aByte);
        }
        System.out.println("----------------");
    }

GBK編碼方式下，鍵盤在中文狀態(tài)

數(shù)字字母占一個字節(jié)，符號或者中文占用兩個字節(jié)

    public static void main(String[] args) {
        String s1 = "2";
        print(s1);
        String s2 = "；";
        print(s2);
        String s3 = "方";
        print(s3);
        String s4 = "23f方";
        print(s4);
    }

gbk編碼方式下，鍵盤在英文狀態(tài)

字母數(shù)字占，符號用1個字節(jié)，中文占用兩個字節(jié)

    public static void main(String[] args) {
        String s1 = "2";
        print(s1);
        String s2 = ";";
        print(s2);
        String s3 = "f";
        print(s3);
        String s4 = "23f方";
        print(s4);
    }

utf-8的方式下

中文，中文符號占用3個字節(jié)，英文符號占用1個字節(jié)，字母數(shù)字占用1個字節(jié)

    public static void main(String[] args) {
        String s1 = "2";
        print(s1);
        String s2 = ";";
        print(s2);
        String s3 = "方";
        print(s3);
        String s4 = "23f方";
        print(s4);
    }

小結(jié)：

• utf-8下中文中文符號占用3字節(jié)，英文符號，字母數(shù)字占用1個字節(jié)
• gbk下中文中文符號占用2字節(jié)，英文符號，字母數(shù)字占用1個字節(jié)

設(shè)置字符串編碼、轉(zhuǎn)碼 

Unicode（統(tǒng)一碼、萬國碼、單一碼）是計算機科學(xué)領(lǐng)域里的一項業(yè)界標(biāo)準(zhǔn)，包括字符集、編碼方案等。Unicode 是為了解決傳統(tǒng)的字符編碼方案的局限而產(chǎn)生的，它為每種語言中的每個字符設(shè)定了統(tǒng)一并且唯一的二進(jìn)制編碼，以滿足跨語言、跨平臺進(jìn)行文本轉(zhuǎn)換、處理的要求。1990年開始研發(fā)，1994年正式公布。

Unicode是國際組織制定的可以容納世界上所有文字和符號的字符編碼方案。目前的Unicode字符分為17組編排，0x0000 至 0x10FFFF，每組稱為平面（Plane），而每平面擁有65536個碼位，共1114112個。然而目前只用了少數(shù)平面。UTF-8、UTF-16、UTF-32都是將數(shù)字轉(zhuǎn)換到程序數(shù)據(jù)的編碼方案。

通用字符集（Universal Character Set, UCS）是由ISO制定的ISO 10646（或稱ISO/IEC 10646）標(biāo)準(zhǔn)所定義的標(biāo)準(zhǔn)字符集。UCS-2用兩個字節(jié)編碼，UCS-4用4個字節(jié)編碼。

UTF-8

UTF-8以字節(jié)為單位對Unicode進(jìn)行編碼。

UTF-8（8-bit Unicode Transformation Format）是一種針對Unicode的可變長度字符編碼，又稱萬國碼，由Ken Thompson于1992年創(chuàng)建?，F(xiàn)在已經(jīng)標(biāo)準(zhǔn)化為RFC 3629。UTF-8用1到6個字節(jié)編碼Unicode字符。

用在網(wǎng)頁上可以統(tǒng)一頁面顯示中文簡體繁體及其它語言（如英文，日文，韓文）。 

UTF-16

UTF-16編碼以16位無符號整數(shù)為單位。

UTF-16是Unicode字符編碼五層次模型的第三層：字符編碼表（Character Encoding Form，也稱為 "storage format"）的一種實現(xiàn)方式。即把Unicode字符集的抽象碼位映射為16位長的整數(shù)（即碼元）的序列，用于數(shù)據(jù)存儲或傳遞。Unicode字符的碼位，需要1個或者2個16位長的碼元來表示，因此這是一個變長表示。

UTF-16是Unicode的其中一個使用方式。 UTF是 Unicode TransferFormat，即把Unicode轉(zhuǎn)做某種格式的意思。

它定義于ISO/IEC 10646-1的附錄Q，而RFC2781也定義了相似的做法。

在Unicode基本多文種平面定義的字符（無論是拉丁字母、漢字或其他文字或符號），一律使用2字節(jié)儲存。而在輔助平面定義的字符，會以代理對（surrogate pair）的形式，以兩個2字節(jié)的值來儲存。UTF-16比起UTF-8，好處在于大部分字符都以固定長度的字節(jié) (2字節(jié)) 儲存，但UTF-16卻無法兼容于ASCII編碼。

UTF-32

UTF-32編碼以32位無符號整數(shù)為單位。

Unicode的UTF-32編碼就是其對應(yīng)的32位無符號整數(shù)。

UTF-32 (或 UCS-4)是一種將Unicode字符編碼的協(xié)定，對每一個Unicode碼位使用恰好32位元。其它的Unicode transformation formats則使用不定長度編碼。因為UTF-32對每個字符都使用4字節(jié)，就空間而言，是非常沒有效率的。特別地，非基本多文種平面的字符在大部分文件中通常很罕見，以致于它們通常被認(rèn)為不存在占用空間大小的討論，使得UTF-32通常會是其它編碼的二到四倍。雖然每一個碼位使用固定長定的字節(jié)看似方便，它并不如其它Unicode編碼使用得廣泛。j 

java中編碼 

String gbkStr = "你好哦!"; //源碼文件是GBK格式，或者這個字符串是從GBK文件中讀取出來的, 轉(zhuǎn)換為string 變成unicode格式
//利用getBytes將unicode字符串轉(zhuǎn)成UTF-8格式的字節(jié)數(shù)組
byte[] utf8Bytes = gbkStr.getBytes("UTF-8");?
//然后用utf-8 對這個字節(jié)數(shù)組解碼成新的字符串
String utf8Str = new String(utf8Bytes, "UTF-8");

簡化后就是:

unicodeToUtf8 (String s) {
return new String( s.getBytes("utf-8") , "utf-8");
}

UTF-8 轉(zhuǎn)GBK原理也是一樣

return new String( s.getBytes("GBK") , "GBK");

解決編碼亂碼

java 獲取系統(tǒng)中默認(rèn)的編碼

? //方法一：中文操作系統(tǒng)中打印GBK ??
System.out.println(System.getProperty("file.encoding")); ??
//方法二：中文操作系統(tǒng)中打印GBK ??
System.out.println(Charset.defaultCharset()); ??

以上為個人經(jīng)驗，希望能給大家一個參考，也希望大家多多支持腳本之家。 

最新評論