Java字符串的编码

柔光的暖阳◎ 2022-04-21 14:17 363阅读 0赞

\[b\]\[color=olive\]\[size=large\]计算机的底层存储只能是二进制字节，而常常大部分时候，我们都喜欢看那么我们能看懂的字符，这也就是字符串，在这个过程中，涉及2个概念，编码(Encode)和解码(Decode) ,通常而言，把明文的字符序列，转换成计算机理解的二进制序列这个过程称为编码，而把二进制序列转换成普通人能看懂的明文字符串这个过程称为解码。\[/size\]\[/color\]\[/b\]  
  
  
\[b\]\[color=green\]\[size=large\]java中，默认使用的是Unicode字符集，但很多操作系统并不使用Unicode字符集，那么当从系统中读取到Java程序时，就可能出现乱码问题。  
  
JDK1.4提供了Charset来处理字节序列和字符序列之间的转换关系，该类包含了编码和解码的的方法，还提供了获取所有当前JDK所支持的字符集的方法，代码演示如下：  
  
\[/size\]\[/color\]\[/b\]

package com.qin.sanxian.newio;
    
    import java.nio.charset.Charset;
    import java.util.SortedMap;
    
    public class TestCharset {
       
    
    	public static void main(String[] args)throws Exception {
       
    
    		//获取当前JDK支持的所有字符集
    		SortedMap<String, Charset> map=Charset.availableCharsets();
    		System.out.println(map.size());
    		for(String s:map.keySet()){
       
    			System.out.println(s+"===> "+map.get(s));
    		}
    
    	}
    
    }

\[b\]\[color=green\]\[size=large\]输出的结果如下：\[/size\]\[/color\]\[/b\]

166
    Big5===> Big5
    Big5-HKSCS===> Big5-HKSCS
    EUC-JP===> EUC-JP
    EUC-KR===> EUC-KR
    GB18030===> GB18030
    GB2312===> GB2312
    GBK===> GBK
    IBM-Thai===> IBM-Thai
    IBM00858===> IBM00858
    IBM01140===> IBM01140
    IBM01141===> IBM01141
    IBM01142===> IBM01142
    IBM01143===> IBM01143
    IBM01144===> IBM01144
    IBM01145===> IBM01145
    IBM01146===> IBM01146
    IBM01147===> IBM01147
    IBM01148===> IBM01148
    IBM01149===> IBM01149
    IBM037===> IBM037
    IBM1026===> IBM1026
    IBM1047===> IBM1047
    IBM273===> IBM273
    IBM277===> IBM277
    IBM278===> IBM278
    IBM280===> IBM280
    IBM284===> IBM284
    IBM285===> IBM285
    IBM297===> IBM297
    IBM420===> IBM420
    IBM424===> IBM424
    IBM437===> IBM437
    IBM500===> IBM500
    IBM775===> IBM775
    IBM850===> IBM850
    IBM852===> IBM852
    IBM855===> IBM855
    IBM857===> IBM857
    IBM860===> IBM860
    IBM861===> IBM861
    IBM862===> IBM862
    IBM863===> IBM863
    IBM864===> IBM864
    IBM865===> IBM865
    IBM866===> IBM866
    IBM868===> IBM868
    IBM869===> IBM869
    IBM870===> IBM870
    IBM871===> IBM871
    IBM918===> IBM918
    ISO-2022-CN===> ISO-2022-CN
    ISO-2022-JP===> ISO-2022-JP
    ISO-2022-JP-2===> ISO-2022-JP-2
    ISO-2022-KR===> ISO-2022-KR
    ISO-8859-1===> ISO-8859-1
    ISO-8859-13===> ISO-8859-13
    ISO-8859-15===> ISO-8859-15
    ISO-8859-2===> ISO-8859-2
    ISO-8859-3===> ISO-8859-3
    ISO-8859-4===> ISO-8859-4
    ISO-8859-5===> ISO-8859-5
    ISO-8859-6===> ISO-8859-6
    ISO-8859-7===> ISO-8859-7
    ISO-8859-8===> ISO-8859-8
    ISO-8859-9===> ISO-8859-9
    JIS_X0201===> JIS_X0201
    JIS_X0212-1990===> JIS_X0212-1990
    KOI8-R===> KOI8-R
    KOI8-U===> KOI8-U
    Shift_JIS===> Shift_JIS
    TIS-620===> TIS-620
    US-ASCII===> US-ASCII
    UTF-16===> UTF-16
    UTF-16BE===> UTF-16BE
    UTF-16LE===> UTF-16LE
    UTF-32===> UTF-32
    UTF-32BE===> UTF-32BE
    UTF-32LE===> UTF-32LE
    UTF-8===> UTF-8
    windows-1250===> windows-1250
    windows-1251===> windows-1251
    windows-1252===> windows-1252
    windows-1253===> windows-1253
    windows-1254===> windows-1254
    windows-1255===> windows-1255
    windows-1256===> windows-1256
    windows-1257===> windows-1257
    windows-1258===> windows-1258
    windows-31j===> windows-31j
    x-Big5-HKSCS-2001===> x-Big5-HKSCS-2001
    x-Big5-Solaris===> x-Big5-Solaris
    x-euc-jp-linux===> x-euc-jp-linux
    x-EUC-TW===> x-EUC-TW
    x-eucJP-Open===> x-eucJP-Open
    x-IBM1006===> x-IBM1006
    x-IBM1025===> x-IBM1025
    x-IBM1046===> x-IBM1046
    x-IBM1097===> x-IBM1097
    x-IBM1098===> x-IBM1098
    x-IBM1112===> x-IBM1112
    x-IBM1122===> x-IBM1122
    x-IBM1123===> x-IBM1123
    x-IBM1124===> x-IBM1124
    x-IBM1364===> x-IBM1364
    x-IBM1381===> x-IBM1381
    x-IBM1383===> x-IBM1383
    x-IBM33722===> x-IBM33722
    x-IBM737===> x-IBM737
    x-IBM833===> x-IBM833
    x-IBM834===> x-IBM834
    x-IBM856===> x-IBM856
    x-IBM874===> x-IBM874
    x-IBM875===> x-IBM875
    x-IBM921===> x-IBM921
    x-IBM922===> x-IBM922
    x-IBM930===> x-IBM930
    x-IBM933===> x-IBM933
    x-IBM935===> x-IBM935
    x-IBM937===> x-IBM937
    x-IBM939===> x-IBM939
    x-IBM942===> x-IBM942
    x-IBM942C===> x-IBM942C
    x-IBM943===> x-IBM943
    x-IBM943C===> x-IBM943C
    x-IBM948===> x-IBM948
    x-IBM949===> x-IBM949
    x-IBM949C===> x-IBM949C
    x-IBM950===> x-IBM950
    x-IBM964===> x-IBM964
    x-IBM970===> x-IBM970
    x-ISCII91===> x-ISCII91
    x-ISO-2022-CN-CNS===> x-ISO-2022-CN-CNS
    x-ISO-2022-CN-GB===> x-ISO-2022-CN-GB
    x-iso-8859-11===> x-iso-8859-11
    x-JIS0208===> x-JIS0208
    x-JISAutoDetect===> x-JISAutoDetect
    x-Johab===> x-Johab
    x-MacArabic===> x-MacArabic
    x-MacCentralEurope===> x-MacCentralEurope
    x-MacCroatian===> x-MacCroatian
    x-MacCyrillic===> x-MacCyrillic
    x-MacDingbat===> x-MacDingbat
    x-MacGreek===> x-MacGreek
    x-MacHebrew===> x-MacHebrew
    x-MacIceland===> x-MacIceland
    x-MacRoman===> x-MacRoman
    x-MacRomania===> x-MacRomania
    x-MacSymbol===> x-MacSymbol
    x-MacThai===> x-MacThai
    x-MacTurkish===> x-MacTurkish
    x-MacUkraine===> x-MacUkraine
    x-MS932_0213===> x-MS932_0213
    x-MS950-HKSCS===> x-MS950-HKSCS
    x-MS950-HKSCS-XP===> x-MS950-HKSCS-XP
    x-mswin-936===> x-mswin-936
    x-PCK===> x-PCK
    x-SJIS_0213===> x-SJIS_0213
    x-UTF-16LE-BOM===> x-UTF-16LE-BOM
    X-UTF-32BE-BOM===> X-UTF-32BE-BOM
    X-UTF-32LE-BOM===> X-UTF-32LE-BOM
    x-windows-50220===> x-windows-50220
    x-windows-50221===> x-windows-50221
    x-windows-874===> x-windows-874
    x-windows-949===> x-windows-949
    x-windows-950===> x-windows-950
    x-windows-iso2022jp===> x-windows-iso2022jp

\[b\]\[color=olive\]\[size=large\]当然，对于我们China的程序员来说，下面的几个字符串编码是我们经常用的：  
\[table\]  
|编码名|描述  
|GBK|简体中文的字符集  
|BIG5|繁体中文字符集  
|ISO-8859-1|ISO拉丁字母表No.1，也叫做ISO-LATIN-1  
|UTF-8|8位的UCS转换格式  
|UTF-16|16位的UCS转换格式，字节顺序由可选的字节顺序标记来标识  
|UTF-16BE|16位的UCS转换格式,Big-endian（最低地址存放高位字节）字节顺序  
|UTF-16LE|16位的UCS转换格式,Little-endian（最高地址存放低位字节）字节顺序  
\[/table\]  
  
\[/size\]\[/color\]\[/b\]  
\[b\]\[color=olive\]\[size=large\]我们可以利用Charset这个类，来进行获取编码或解码器，从而完成对应的从字节向字符的转换，或者从字符向字节的转换。  
示例代码如下\[/size\]\[/color\]\[/b\]

package com.qin.sanxian.newio;
    
    import java.nio.ByteBuffer;
    import java.nio.CharBuffer;
    import java.nio.charset.Charset;
    import java.nio.charset.CharsetDecoder;
    import java.nio.charset.CharsetEncoder;
    
    /**
     * @author 三劫散仙
     * 编码转换
     * 
     * **/
    public class TestCharset2 {
       
    
    	/**
    	 * @param args
    	 * @throws Exception
    	 */
    	public static void main(String[] args) throws Exception{
       
    
    		/**
    		 * 创建简体中文对应的编码
    		 * **/
    		Charset cn=Charset.forName("GBK");
    
    		//获取cn对应的编码器和解码器
    		CharsetDecoder decode=cn.newDecoder();
    		CharsetEncoder encode=cn.newEncoder();
    		//创建一个CharBuffer对象
    		CharBuffer  buff=CharBuffer.allocate(8);//容量为8的空间
    		buff.put('三');
    		buff.put('劫');
    		buff.put('散');
    		buff.put('仙');
    		buff.flip();//封印未写入空间
    		//将CharBuffer中的字符串转换成字节序列
    		ByteBuffer b=encode.encode(buff);
    		//循环访问，并打印
    		for(int i=0;i<b.limit();i++){
       
    
    			System.out.println("你能看懂吗？  ："+b.get(i));
    		}
    		//将ByteBuffer数据解码成字符串序列，我们能看懂的^_^
    		System.out.println("======================================");
    
    		System.out.println("老子能看懂了：  "+decode.decode(b));
    
    	}
    
    }

\[b\]\[color=olive\]\[size=large\]输出结果如下：\[/size\]\[/color\]\[/b\]

你能看懂吗？  ：-56
    你能看懂吗？  ：-3
    你能看懂吗？  ：-67
    你能看懂吗？  ：-39
    你能看懂吗？  ：-55
    你能看懂吗？  ：-94
    你能看懂吗？  ：-49
    你能看懂吗？  ：-55
    ======================================
    老子能看懂了：  三劫散仙