正文

关于java中的编码问题

IP云
IP云V管理员/2 阅读
11/30
提示：扫一扫查出行
【扫一扫了解最新限行尾号】
复制提示

ok,今天搞了一天都在探索java字符的编码问题．十分头疼．最后终于得出几点：

１．网上有很多博客说判断一个String的编码的方法是通过如下代码;但其实这个代码完全是错的，用一种编码decode后，再encode,最后的结果是完全一样的．所以下面这个代码，不管用什么编码方式，结果都是true.

  1. String encode = "GB2312";
  2. try {
  3. if (str.equals(new String(str.getBytes(encode), encode))) {
  4. String s = encode;
  5. return s;
  6. }
  7. } catch (Exception exception) {
  8. }
  9. encode = "ISO-8859-1";
  10. try {
  11. if (str.equals(new String(str.getBytes(encode), encode))) {
  12. String s1 = encode;
  13. return s1;
  14. }
  15. } catch (Exception exception1) {
  16. }

2.接下来我要说一下我通过实验的出来的结论：java String中的编码方式其实是unicode编码，也就是utf-16编码．当然看到网上很多说法说unicode编码和utf-16编码不一样，但是通过在java中的测试，utf-16编码就是unicode编码，测试代码如下; 

System.out.println(StandardCharsets.UTF_16.aliases());    //这个的输出结果是：[utf16, UnicodeBig, UTF_16, unicode]
　3.我是怎么得到String中的编码都是unicode编码的：
　　　　　　首先我看了Charset.encode()和Charset.decode()这俩个方法，这俩个方法其实就是在将数据在特定的编码与unicode编码之间转换：将使用某种特定编码的byte流decode成
unicode编码的char[],那可以想象，这个转换其实是彻底的改变了byte流的数据，也就是直接按照编码之间的映射关系，对byte流直接做了修改．然后decode的原理相同，只是方向相反，将
unicode编码的数据直接修改，转换成了某种特定的编码所编码过后的数据．据此可以判断，java在识别char的时候，其实就是按照unicode的编码方式来识别byte流的．
　　　　　　再然后我粗略的看了一下String的构造函数还有getBytes函数的源码，当然源码真的十分复杂，看起来很费劲，所以我只是粗略的看了个大概，然后就可以想象其中的原理了．首先在
在构造String的时候，我们传进去了一个特定的Charset,然后看到在构造函数里调用了这个函数的encode方法，对byte[]进行的encode操作，当然，按照上面所说的，encode操作其实就是将某
种特定编码的byte数据转换成了unicode编码的数据．所以说，String中的编码其实全部都是unicode编码．
　　　　　　然后我看了一下getbytes函数的源码，同样，在这个函数里调用了charset的decode方法，将String中的char[]转换成了特定编码的byte[]．那这也进一步证明了String中的数据
确实是由unicode编码编码的．
４．最后把这个原理用在实践中有什么用处呢．当我们从外部读入数据时，不管是读文件还是从网络流中读数据，当然如果直接按数据流一样读入后，读入的数据还保持着原来的编码方式，但如果我
们想把数据放入char[]中打印出来或进行字符处理的话，就会出错．所以要想进行字符操作，就要指定数据源的编码类型，然后将数据重新进行编码．
５．如何输出特定编码方式的数据．其实这个很简单，如果我们的处理后的数据的编码方式就是我们想要的编码方式的话，直接输出就好了．但如果不是的话，可以先把它转成unicode编码，然后再
转成我们想要的编码的byte[]流，然后直接输出去．在转换编码的时候，不建议直接使用Charset中的decode和encode，因为返回的buffer往往都比实际的数据要大，根据源码，我看到在返回buffer
的时候，并没有对buffer进行trim操作．建议使用String的getBytes方法．通过看源码，发现在源码中有trim的操作．长度是通过decode来返回的．decode的具体实现还没有
看完．

相关阅读

目录[+]