黑马入学测试—基础—中文编码知识总结

为什么要编码呢？在计算机中存储信息的最小单位是1个字节，即8个bit。而我们平时要展现的符号太多，无法用一个字节来完全表示。所以我们构建了一个新的数据结构char，而从char到byte就必须有编码的过程。

在java中是如何编码的。

package net.mpos.lottery.distributorwrs.test;

        /**

         * @author solo

         *

         * @date 2013-9-7

         */

        public class CodeTest {

            public static void toHex(char[] b) {

                for (int i = 0; i < b.length; i++) {

                    System.out.printf("%x " , (int)b[i]);

                }

                System.out.println();

            }

            public static void toHex(byte[] b) {

                for (int i = 0; i < b.length; i++) {

                    System.out.printf("%x " , b[i]);

                }

                System.out.println();

            }

            public static void encode() {

                String name = "I am 中文编码";

                toHex(name.toCharArray());

                try {

                    byte[] iso8859 = name.getBytes("ISO-8859-1");

                    System.out.println("ISO-8859-1:");

                    toHex(iso8859);

                    byte[] gb2312 = name.getBytes("GB2312");

                    System.out.println("GB2312:");

                    toHex(gb2312);

                    byte[] gbk = name.getBytes("GBK");

                    System.out.println("GBK:");

                    toHex(gbk);

                    byte[] utf16 = name.getBytes("UTF-16");

                    System.out.println("UTF-16:");

                    toHex(utf16);

                    byte[] utf8 = name.getBytes("UTF-8");

                    System.out.println("UTF-8:");

                    toHex(utf8);

                } catch (Exception e) {

                    e.printStackTrace();

                }

            }

            public static void main(String[] args) {

                String cn = "I am 中文编码";  // 这里存在编码转换: 将文件存储字节转成unicode存入String对象内存. 采用文件编码

                char[] charArray = cn.toCharArray();

                byte[] data = cn.getBytes();

                System.out.println("print char array : " + cn);

                toHex(cn.toCharArray());

                encode();

            }

        }

例子结果分析

print char array : I am 中文编码

49 20 61 6d 20 4e2d 6587 7f16 7801

49 20 61 6d 20 4e2d 6587 7f16 7801

ISO-8859-1:

49 20 61 6d 20 3f 3f 3f 3f

GB2312:

49 20 61 6d 20 d6 d0 ce c4 b1 e0 c2 eb

GBK:

49 20 61 6d 20 d6 d0 ce c4 b1 e0 c2 eb

UTF-16:

fe ff 0 49 0 20 0 61 0 6d 0 20 4e 2d 65 87 7f 16 78 1

UTF-8:

49 20 61 6d 20 e4 b8 ad e6 96 87 e7 bc 96 e7 a0 81

ISO-8859-1是单字节编码，中文会转化成3f的byte。3f也就是“？”字符。所以出现中文编程“？”的时候很可能就是误用了ISO-8859-1。

GB2312和GBK字符集有一个从char到byte的码表，不同的字码就是从这个码表找到找到与每个字符对应的字节，然后拼装成byte数组。GBK的字符集>GB2312的字符集。所以GBK编码是兼容GB2312的编码的。

UTF-16将char数组放大了一倍。但字节字符在高位补0.

UTF-8对单字节字符仍用1个字节表示，对于汉字采用三个字节表示。