IO流__【转换流的字符编码】【编码与解码】【字符编码-“联通”】

常见的码表

ASCII：	美国标准信息交换码。用一个字节的7位可以表示。
ISO8859-1：	拉丁码表。欧洲码表用一个字节的8位表示。
GB2312：	中国的中文编码表。
GBK：	中国的中文编码表升级，融合了更多的中文文字符号。
Unicode：	国际标准码，融合了多种文字。所有文字都用两个字节来表示,Java语言就是unicode
UTF-8：	最多用三个字节来表示一个字符。

转换流的字符编码

示例 ：

import java.io.*;
class  EncodeStream
{
	public static void main(String[] args) throws IOException
	{
//		writeText();
		readText();
	}
	public static void readText() throws IOException{
		InputStreamReader isr = new InputStreamReader(new FileInputStream("gbk.txt"),"GBK");//转换流按照指定码表解码
		char[] buf = new char[8];
		int len = isr.read(buf);
		String s = new String(buf,0,len);
		System.out.println(s);
		isr.close();
	}
	public static void writeText() throws IOException{
		OutputStreamWriter osw = new OutputStreamWriter(new FileOutputStream("UTF-8.txt"),"UTF-8");//转换流按指定码表编码
		osw.write("你好");
		osw.close();		
	}
}

调用writeText();方法；将转换流编码分别指定为（("GBK.txt"),gbk）和（("UTF-8.txt",UTF-8)）,生成GBK和UTF-8两个txt文档；

发现同样是“你好”两个字符，UTF-8编码的占了6个字节，gbk编码的占了4个字节



调用readText();方法；

当其各自按照各自指定的码表解码时都能够读取出“你好”；当其按照非指定的码表解码时会产生乱码（左图）；“你好”在GBK和UTF-8两种编码中的字节数组（右图）





分析原因图解：其各自的编解码方式不同导致了结果



-------------------------------------------------------------------------------------------------------------------------------

编码与解码：

编码：字符串变成字节数组；String -->byte[];
（String类的方法）：str.getBytes(charsetName);；将该字符串按照指定编码表编码。

解码：字节数组变成字符串；byte[] -->String;
（String类的构造方法）：new String(byte[],charsetName);通过使用指定的
charset 解码指定的 byte 数组。

方法空参则代表使用系统默认的编码表，中文为GBK,设定charsetName可以用指定的编码表

编码与解码示例：

import java.util.*;	//Arrays类
class  EncodeDemo
{
	public static void main(String[] args) throws Exception
	{
		String s = "你好";
		byte[] b1 = s.getBytes("GBK");//GBK编码
		sop(Arrays.toString(b1));
		String s1 = new String(b1,"ISO8859-1");	//解码,码表不对应，产生乱码
		sop("s1："+s1);
		byte[] b2 = s1.getBytes("ISO8859-1");	//将其解码出的乱码再次编码，字节数组
		sop(Arrays.toString(b2));
		String s2 = new String(b2,"GBK");//解码
		sop("s2："+s2);
	}
	public static void sop(Object obj){
		System.out.println(obj);
	}
}

运行结果：



图解：



实际应用场景：客户端与服务器端的码表不一致，例如一个服务器端的网页在客户端打开时就可能会产生乱码，所以要加上一个编码与解码的过程，避免这种情况的发生

开发中会经常遇到这种情况，要注意！

注意事项：

GBK不能用UTF-8作为中间码来编解码，如果将上文EncodeDemo中“ISO8859-1”改成“utf-8”

运行结果：



产生这种结果的原因是：UTF-8一个字符所占的字节个数比GBK（2个）要多，utf-8解码后的乱码经其再次编译后产生的字节数组与GBK编译后的字节数组不一致

要避免这种情况。

字符编码-“联通”

在空记事本上输入“联通”两个字，保存后再次打开，会发现只有两个乱码

首先要了解UTF-8修改版特点：

两个字节110开头，三个字节1110开头



通过打印其字节数组和二进制位：

import java.util.*;
class  EncodeDemo2
{
	public static void main(String[] args) throws Exception//加入编码表会抛异常
	{
		String s = "联通";
		byte[] by = s.getBytes("gbk");	//gbk编码
		sop(Arrays.toString(by));	//打印字节数组
		for (byte b:by ){
			sop(Integer.toBinaryString(b&255));//打印字节数组的二进制位
		}
	}
	public static void sop(Object obj){
		System.out.println(obj);
	}
}

运行结果：



分析：通过“联通”的字节数组的二进制位发现：其刚好UTF-8两个字符的标准，所以原本是GBK编码的文件在再次打开时成了UTF-8解码，所以造成了乱码

在简体中文操作系统中默认的本地字符集编码是GBK编码，除非你在保存记事本文本文件时候选择了其他编码方式，否则用记事本录入的字符信息将使用GBK编码进行储存。巧合的是，“联通”这两个字符的GBK编码具有UTF-8编码的特征，记事本犯下的错误正是将GBK编码存放的记录有“联通”两个字符的文件误认为UTF-8编码的文件。