Java与Unicode:(转)
Java的class文件采用utf8的编码方式,JVM运行时采用utf16。Java的字符串是unicode编码的。总之,
Java采用了unicode字符集,使之易于国际化。
Java支持哪些字符集:
即Java能识别哪些字符集并对它进行正确地处理?查看Charset 类,最新的JDK支持160种字符集。可以通
过static方法availableCharsets拿到所有Java支持的字符集。
Java代码
assertEquals(160, Charset.availableCharsets().size());
Set<String> charsetNames = Charset.availableCharsets().keySet();
assertTrue(charsetNames.contains("utf-8"));
assertTrue(charsetNames.contains("utf-16"));
assertTrue(charsetNames.contains("gb2312"));
assertTrue(Charset.isSupported("utf-8"));
需要在哪些时候注意编码问题?
1.从外部资源读取数据:
这跟外部资源采取的编码方式有关,我们需要使用外部资源采用的字符集来读取外部数据:
Java代码
InputStream is = new FileInputStream("res/input2.data");
InputStreamReader streamReader = new InputStreamReader(is, "GB18030");
这里可以看到,我们采用了GB18030编码读取外部数据,通过查看streamReader的encoding可以印证:
Java代码
assertEquals("GB18030", streamReader.getEncoding());
正是由于上面我们为外部资源指定了正确的编码,当它转成char数组时才能正确地进行解码(GB18030 ->
unicode):
Java代码
char[] chars = new char[is.available()];
streamReader.read(chars, 0, is.available());
但我们经常写的代码就像下面这样:
Java代码
InputStream is = new FileInputStream("res/input2.data");
InputStreamReader streamReader = new InputStreamReader(is);
这时候InputStreamReader采用什么编码方式读取外部资源呢?Unicode?不是,这时候采用的编码方式
是JVM的默认字符集,这个默认字符集在虚拟机启动时决定,通常根据语言环境和底层操作系统的 charset
来确定。可以通过以下方式得到JVM的默认字符集:
Java代码
Charset.defaultCharset();
为什么要这样?因为我们从外部资源读取数据,而外部资源的编码方式通常跟操作系统所使用的字符集一样,
所以采用这种默认方式是可以理解的。
好吧,那么我通过我的IDE Ideas创建了一个文件,并以JVM默认的编码方式从这个文件读取数据,但读出来
的数据竟然是乱码。为何?呵呵,其实是因为通过Ideas创建的文件是以utf-8编码的。要得到一个JVM默认
编码的文件,通过手工创建一个txt文件试试吧。
2.字符串和字节数组的相互转换
我们通常通过以下代码把字符串转换成字节数组:
Java代码
"string".getBytes();
但你是否注意过这个转换采用的编码呢?其实上面这句代码跟下面这句是等价的:
Java代码
"string".getBytes(Charset.defaultCharset());
也就是说它根据JVM的默认编码(而不是你可能以为的unicode)把字符串转换成一个字节数组。
反之,如何从字节数组创建一个字符串呢?
Java代码
new String("string".getBytes());
同样,这个方法使用平台的默认字符集解码字节的指定数组(这里的解码指从一种字符集到unicode)。
字符串编码迷思:
Java代码
new String(input.getBytes("ISO-8859-1"), "GB18030")
上面这段代码代表什么?有人会说: “把input字符串从ISO-8859-1编码方式转换成GB18030编码方式”。
如果这种说法正确,那么又如何解释我们刚提到的java字符串都采用unicode编码呢?
这种说法不仅是欠妥的,而且是大错特错的,让我们一一来分析,其实事实是这样的:我们本应该用
GB18030的编码来读取数据并解码成字符串,但结果却采用了ISO-8859-1的编码,导致生成一个错误的字
符串。要恢复,就要先把字符串恢复成原始字节数组,然后通过正确的编码GB18030再次解码成字符串(即
把以GB18030编码的数据转成unicode的字符串)。注意,字符串永远都是unicode编码的。
但编码转换并不是负负得正那么简单,这里我们之所以可以正确地转换回来,是因为 ISO8859-1 是单字节编
码,所以每个字节被按照原样 转换为 String ,也就是说,虽然这是一个错误的转换,但编码没有改变,所以
我们仍然有机会把编码转换回来!
总结:
所以,我们在处理java的编码问题时,要分清楚三个概念:Java采用的编码:unicode,JVM平台默认字符
集和外部资源的编码。
程序示例:
public static void main(String args[])
{
System.out.println("default charset : "+Charset.defaultCharset());
String str = "abc你好";//string with UTF-8 charset
byte[] bytes = str.getBytes(Charset.forName("UTF-8"));//convert to byte array with UTF-8 encode
for (byte b : bytes)
{
System.out.print(b + " ");
}
System.out.println();
try
{
String str1 = new String(bytes, "UTF-8");//to UTF-8 string
String str2 = new String(bytes, "ISO-8859-1");//to ISO-8859-1 string
String str3 = new String(bytes, "GBK");//to GBK string
System.out.println(str1);//abc你好
System.out.println(str2);//abc??????
System.out.println(str3);//abc浣犲ソ
System.out.println();
byte[] bytes2 = str2.getBytes(Charset.forName("ISO-8859-1"));
for (byte b : bytes2)
{
System.out.print(b + " ");
}
System.out.println();
String str22 = new String(bytes2, "UTF-8");
System.out.println(str22);//abc你好
System.out.println();
byte[] bytes3 = str3.getBytes(Charset.forName("GBK"));
for (byte b : bytes3)
{
System.out.print(b + " ");
}
System.out.println();
String str33 = new String(bytes3, "UTF-8");
System.out.println(str33);//abc你好
} catch (UnsupportedEncodingException e)
{
e.printStackTrace();
}
}
运行结果:
[html] www.2cto.com
default charset : GBK
97 98 99 -28 -67 -96 -27 -91 -67
abc你好
abc??????
abc浣犲ソ
97 98 99 -28 -67 -96 -27 -91 -67
abc你好
97 98 99 -28 -67 -96 -27 -91 -67
abc你好
字符集相关测试代码
package com.hank.comments;
import java.io.UnsupportedEncodingException;
import java.nio.charset.Charset;
public class Test {
public static void main(String[] args) throws UnsupportedEncodingException {
String str = "中文";
//str = new String("中文".getBytes("gbk"), "gbk");
//System.out.println(Charset.defaultCharset());
System.out.println("中文unicode--->gbk");
printBytes("中文".getBytes("gbk"));//unicode--->gbk
System.out.println("中文unicode--->utf8");
printBytes("中文".getBytes("utf8"));//unicode--->utf8
str = new String("中文".getBytes("gbk"), "gbk");//unicode---->gbk---->unicode
System.out.println("中文unicode---->gbk---->utf8---->unicode---->utf8");
str = new String("中文".getBytes("utf8"), "gbk");//unicode---->gbk---->utf8---->unicode
printBytes(str.getBytes("utf8"));
str = new String(str.getBytes("gbk"), "utf8");
System.out.println(str);
//bytes数组,charset是字节数组安装什么方式编码生成字符串
//new String(bytes, charset)
//System.out.println(new String(str.getBytes("utf8"), "utf8"));
// byte[] jvmBytes = str.getBytes("unicode");
// System.out.println("jvm Encoding: " + bytesToHexString(jvmBytes));
//
// byte[] defaultBytes = str.getBytes();
// System.out.println("page Encoding:" + bytesToHexString(defaultBytes));
//
// byte[] utf8Bytes = str.getBytes("utf8");
// System.out.println("uft8: " + bytesToHexString(utf8Bytes));
//
// byte[] gb2312Bytes = str.getBytes("gb2312");
// System.out.println("gb2312: " + bytesToHexString(gb2312Bytes));
//
// byte[] gbkBytes = str.getBytes("gbk");
// System.out.println("gbk: " + bytesToHexString(gbkBytes));
//
// byte[] gb18030Bytes = str.getBytes("gb18030");
// System.out.println("gb18030Bytes: " + bytesToHexString(gb18030Bytes));
//
// byte[] iso8859_1Bytes = str.getBytes("iso8859-1");
// System.out.println("iso8859-1: " + bytesToHexString(iso8859_1Bytes));
//
// for(int i=0; i<iso8859_1Bytes.length; i++) {
// System.out.println(iso8859_1Bytes[i]);
// }
}
/**
* byte数组转换成16进制字符串
* @param src
* @return
*/
public static String bytesToHexString(byte[] src){
StringBuilder stringBuilder = new StringBuilder();
if (src == null || src.length <= 0) {
return null;
}
for (int i = 0; i < src.length; i++) {
int v = src[i] & 0xFF;
String hv = Integer.toHexString(v);
if (hv.length() < 2) {
stringBuilder.append(0);
}
stringBuilder.append(hv);
}
return stringBuilder.toString();
}
public static void printBytes(byte[] src) {
for (byte b : src) {
System.out.print(b + " ");
}
System.out.println();
}
}
分享到:
相关推荐
北京动力节点-Java编程零基础教程-053-Java基本语法-Unicode码.avi 北京动力节点-Java编程零基础教程-054-Java基本语法-UTF-8.avi 北京动力节点-Java编程零基础教程-055-Java基本语法-UTF-8的编码格式.avi 北京...
Java获取并显示所有的Unicode字符
Java,每一个软件开发人员绝对必须掌握的关于 Unicode 和字符集的最基础的知识
Unicode East Asian Width 1.33
Java中文成Unicode码及从Unicode码转成中文
Java显示Unicode特殊字符, protected char base; // 指定我们显示的初始值7 protected Font font = new Font("serif", Font.PLAIN, 18); // 指定缺省的显示字体 protected Font headingfont = new Font(...
实现不同文件代码类型,诸如 Shift_JIS、EUC-JP、ISO-2022-JP、 Unicode、UTF-8 的相互変換,FREE软件
1、编制0-255之间的UNICODE编码表。 2、初始化5X5的二维int类型数组,并将其转置。 三、实验要求: 1、要求输出UNICODE编码在0-255之间的编码值与相应的字符。 2、使用已知给定的数值初始化一个5X5的二维数组。...
java.nio.charset 定义用来在字节和 Unicode 字符之间转换的 charset、解码器和编码器。 java.nio.charset.spi java.nio.charset 包的服务提供者类。 java.rmi 提供 RMI 包。 java.rmi.activation 为 RMI 对象...
包括java反编译工具jad.exe和使用手册.txt,与此同时还有反编译后的汉字unicode显示格式转换为字符格式的代码(绝对通过本人测试通过)
在APP开发中,大多需要涉及表情符号丰富APP的亲和力,但是因为我们的数据库一般是utf8编码,是3个字节,而表情符号基本都是四个字节的unicode编码。emoji-Java解决数据库不能存储4字节表情符号的问题。
用java编写的一个很好的汉字转uniode码的小工具,比较实用
java对汉字理得unicode 编码与解码处理
该文档有常用的java汉字unicode编码
该程序是Unicode 编码的Java程序。可以直接应用于国际化的编码中,类如:您可以输入“错误管理”,则程序将翻译为\u9519\u8bef\u7ba1\u7406。希望对您有用,谢谢。
java 中文转成unicode!!! java unicode转成中文!!!
利用java对基本汉字(unicode编码4E00-9FA5)进行笔画排序 资源更新查看:https://blog.csdn.net/u013271384/article/details/76549368
此文档为Java中编码方式和Unicode知识总结,对了解学习Java编码的讲解很全面清楚!
反编译工具jad简单用法 jad 是应用最广泛的java 反编译工具;... 这条指令将当前目录下的javatest.class反编译为javatest.java并保存在c:\\javasource目录里,其中的提示输出为中文,而不是Unicode代码。
当需要对一个unicode十六进制字符串进行编码时,首先做的应该是确认字符集编码格式,在无法快速获知的情况下,通过一下的str4all方法可以达到这一目的