快捷導(dǎo)航

基于Java字符編碼的使用詳解

更新時(shí)間：2013年05月06日 19:03:40 投稿：jingxian

本篇文章對(duì)Java字符編碼的使用進(jìn)行了詳細(xì)的分析介紹。需要的朋友參考下

1，什么是字符編碼？

字符(Character)是文字與符號(hào)的總稱，包括文字、圖形符號(hào)、數(shù)學(xué)符號(hào)等。一組抽象字符的集合就是字符集(Charset)。字符集的出現(xiàn)是為了信息進(jìn)行傳播儲(chǔ)存提供方便。目前常用到字符集有：ASCII，ISO 8859-1，Unicode，GB2312

2，各種編碼集有哪些特點(diǎn)？

ASCII：

ASCII是基于拉丁字母的一套電腦編碼系統(tǒng)。

包含內(nèi)容：控制字符（回車，退格，換行鍵），可顯示式字符。

技術(shù)特征：7位（bits）表示一個(gè)字符，共128字符

不足之處：只能表示英語，想西歐，東亞和拉美地區(qū)的語言符號(hào)無法表示。

ISO 8859-1:

ISO 8859-1，正式編號(hào)為ISO/IEC 8859-1:1998，又稱Latin-1或“西歐語言”，是國際標(biāo)準(zhǔn)化組織內(nèi)ISO/IEC 8859的第一個(gè)8位字符集。

它以ASCII為基礎(chǔ)，在空置的0xA0-0xFF的范圍內(nèi)，加入96個(gè)字母及符號(hào)，藉以供使用附加符號(hào)的拉丁字母語言使用。曾推出過 ISO 8859-1:1987 版。

包含內(nèi)容：ASCII編碼包含的，部分西歐使用的語言。

技術(shù)特征：8位表示一個(gè)字符。

Unicode：

Unicode字符集編碼是Universal Multiple-Octet Coded Character Set 通用多八位編碼字符集的簡稱，是由一個(gè)名為 Unicode 學(xué)術(shù)學(xué)會(huì)(Unicode Consortium)的機(jī)構(gòu)制訂的字符編碼系統(tǒng)，支持現(xiàn)今世界各種不同語言的書面文本的交換、處理及顯示。該編碼于1990年開始研發(fā)，1994年正式公布，最新版本是2005年3月31日的Unicode 4.1.0。

技術(shù)特征：16位編碼，每個(gè)字符占用2個(gè)字節(jié)。一個(gè)字符的Unicode編碼是確定的。但是在實(shí)際傳輸過程中，由于不同系統(tǒng)平臺(tái)的設(shè)計(jì)不一定一致，以及出于節(jié)省空間的目的，對(duì)Unicode編碼的實(shí)現(xiàn)方式有所不同。Unicode的實(shí)現(xiàn)方式稱為Unicode轉(zhuǎn)換格式（Unicode Transformation Format，簡稱為UTF）。如果一個(gè)7位的ASCII字符的Unicode文件，在傳輸過程中如果使用2個(gè)字節(jié)的原Unicode編碼傳輸會(huì)造成比較大的浪費(fèi)。對(duì)于這種情況，可以使用UTF-8編碼，這是一種變長編碼，它將基本7位ASCII字符仍用7位編碼表示，占用一個(gè)字節(jié)（首位補(bǔ)0）。而遇到與其他Unicode字符混合的情況，將按一定算法轉(zhuǎn)換，每個(gè)字符使用1-3個(gè)字節(jié)編碼，并利用首位為0或1進(jìn)行識(shí)別。

GB2312：

包含內(nèi)容：6763個(gè)漢字，其中一級(jí)漢字3755個(gè)，二級(jí)漢字3008個(gè)；同時(shí)收錄了包括拉丁字母、希臘字母、日文平假名及片假名字母、俄語西里爾字母在內(nèi)的682個(gè)字符。

技術(shù)特征：每個(gè)漢字及符號(hào)以兩個(gè)字節(jié)來表示。第一個(gè)字節(jié)稱為“高位字節(jié)”，第二個(gè)字節(jié)稱為“低位字節(jié)”。“高位字節(jié)”使用了0xA1-0xF7，“低位字節(jié)”使用了0xA1-0xFE0xA0）。由于一級(jí)漢字從16區(qū)起始，漢字區(qū)的“高位字節(jié)”的范圍是0xB0-0xF7，“低位字節(jié)”的范圍是0xA1-0xFE，占用的碼位是72*94=6768。其中有5個(gè)空位是D7FA-D7FE。