java编码

１、函数介绍 在Java中，字符串用统一的Unicode编码，每个字符占用两个字节，与编码有关的两个主要函数为： １）将字符串用指定的编码集合解析成字节数组，完成Unicode－〉charsetName转换 public byte[] getBytes(String charsetName) throws UnsupportedEncodingException ２）将字节数组以指定的编码集合构造成字符串，完成charsetName－〉Unicode转换 public String(byte[] bytes, String charsetName) throws UnsupportedEncodingException ２、Unicode与各编码之间的直接转换 下面以对中文字符串＂ａ中文＂的编码转换为例，来了解各种编码之间的转换 １）Unicode和GBK 测试结果如下，每个汉字转换为两个字节，且是可逆的，即通过字节可以转换回字符串 String － GBK 〉 ByteArray：\u0061\u4E2D\u6587（a中文）－〉0x61 0xD6 0xD0 0xCE 0xC4 ByteArray － GBK 〉 String：0x61 0xD6 0xD0 0xCE 0xC4－〉\u0061\u4E2D\u6587（a中文） ２）Unicode和UTF-8 测试结果如下

编码问题存在两个方面：JVM之内和JVM之外。 1、Java文件编译后形成class 这里Java文件的编码可能有多种多样，但Java编译器会自动将这些编码按照Java文件的编码格式正确读取后产生class文件，这里的class文件编码是Unicode编码（具体说是UTF-16编码）。 因此，在Java代码中定义一个字符串： String s="汉字"; 不管在编译前java文件使用何种编码，在编译后成class后，他们都是一样的----Unicode编码表示。 2、JVM中的编码 JVM加载class文件读取时候使用Unicode编码方式正确读取class文件，那么原来定义的String s="汉字";在内存中的表现形式是Unicode编码。 Java与Unicode： 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 收藏代码 assertEquals(160, Charset.availableCharsets()

这两天抽时间又总结/整理了一下各种编码的实际编码方式，和在Java应用中的使用情况，在这里记录下来以便日后参考。 为了构成一个完整的对文字编码的认识和深入把握，以便处理在Java开发过程中遇到的各种问题，特别是乱码问题，我觉得组成一个系列来描述和分析更好一些，包括三篇文章： 第一篇：JAVA字符编码系列一： Unicode,GBK,GB2312,UTF-8概念基础 第二篇：JAVA字符编码系列二： Unicode,ISO-8859,GBK,UTF-8编码及相互转换 第三篇：JAVA字符编码系列三： Java应用中的编码问题 第一篇：JAVA字符编码系列一：Unicode,GBK,GB2312,UTF-8概念基础 本部分采用重用，转载一篇文章来完成这部分的目标。 来源：holen'blog 对字符编码与Unicode,ISO 10646,UCS,UTF8,UTF16,GBK,GB2312的理解 地址：http://blog.donews.com/holen/archive/2004/11/30/188182.aspx Unicode: unicode.org制定的编码机制, 要将全世界常用文字都函括进去. 在1.0中是16位编码, 由U+0000到U+FFFF. 每个2byte码对应一个字符; 在2.0开始抛弃了16位限制, 原来的16位作为基本位平面, 另外增加了16个位平面,

这部分采用重用机制，引用一篇文章来完整本部分目标。 来源： Eceel东西在线 问题研究--字符集编码 地址：http://china.eceel.com/article/study_for_character_encoding_java.htm 1. 概述 本文主要包括以下几个方面：编码基本知识，java，系统软件，url，工具软件等。 在下面的描述中，将以"中文"两个字为例，经查表可以知道其GB2312编码是" d6d0 cec4 "，Unicode编码为" 4e2d 6587 "，UTF编码就是" e4b8ad e69687 "。注意，这两个字没有iso8859-1编码，但可以用iso8859-1编码来"表示"。 2. 编码基本知识 最早的编码是iso8859-1，和ascii编码相似。但为了方便表示各种各样的语言，逐渐出现了很多标准编码，重要的有如下几个。 2.1. iso8859-1 属于单字节编码，最多能表示的字符范围是0-255，应用于英文系列。比如，字母'a'的编码为0x61=97。 很明显，iso8859-1编码表示的字符范围很窄，无法表示中文字符。但是，由于是单字节编码，和计算机最基础的表示单位一致，所以很多时候，仍旧使用iso8859-1编码来表示。而且在很多协议上，默认使用该编码。比如，虽然"中文"两个字不存在iso8859-1编码，以gb2312编码为例