中文天堂资源在线WWW_ 初學(xué)入門(mén)：JAVA里字符編碼的探索與理解 - 全部文章

初學(xué)入門(mén)：JAVA里字符編碼的探索與理解一起學(xué)習今天終于把JAVA里一個(gè)比較頭痛的問(wèn)題——字符編碼弄清晰了，所以寫(xiě)一篇文章來(lái)紀念一下，也為大家提供一點(diǎn)自己的心得。

眾所周知，JAVA為了國際通用，用的是UNICODE來(lái)保存里面的字符。而UNICODE只是一個(gè)種字符集，字符的存儲和表示要用到一定的字符編碼格式，而與UNICODE對應的字符編碼格式就是我們?？吹降腢TF-8,UTF-16等等，而UTF-8是最常用的，所以人們常常把它和UNICODE等同起來(lái)(我以前就是這樣的)，這在某些情況下是沒(méi)有錯的，但這樣的理解在JAVA里就會(huì )產(chǎn)生一些混淆。我們用下面的程序來(lái)演示一下。

定義一個(gè)字符串

String name = "堂";

這個(gè)字符串就一個(gè)字符，把它取出來(lái)

char c_name = name.charAt(0);

JAVA里的char型是十六位的(兩個(gè)字節)，但是如果是用UTF-8的話(huà)可能會(huì )不只兩位(UTF-8是變長(cháng)存儲的)，那看來(lái)JAVA本身并不是用UTF-8來(lái)保存的，口說(shuō)無(wú)憑，做個(gè)實(shí)驗吧。

首先看看char里保存的內容　　 int low = (c_name) & 0xff;//取c_name的低位

int high = (c_name >> 8) & 0xff;//取c_name的高位

System.out.println(Integer.toHexString(high) " " Integer.toHexString(low));

結果是58 02

只有兩個(gè)字節而已(16位)，那么真正的UTF-8編碼的內容是什么呢，再看看吧。

為了方便，我寫(xiě)了一個(gè)輔助方法printbyte，作用是把一個(gè)byte數組的每個(gè)元素按照十六進(jìn)制格式打印出來(lái)，同樣為了方便，我把它作為靜態(tài)方法。

public static void printbyte(byte[] bt)

{

for (int i = 0; i < bt.length; i )

{

int hex = (int)bt[i] & 0xff;

System.out.print(Integer.toHexString(hex) " ");

}

System.out.println(" length = " bt.length);

}

byte[] utf_8 = name.getBytes("utf-8");

printbyte(utf_8);

結果是e5 a0 82 length = 3

哇，三個(gè)字節!看來(lái)JAVA內部用的真不是UTF-8，那用的是什么呢?UTF-16?看一下便知?！　?byte[] utf_16 = name.getBytes("utf-16");

printbyte(utf_16);

結果是fe ff 58 02 length = 4，靠，四個(gè)字節了。咦?后面的低16位不正是和開(kāi)始c_name的十六進(jìn)制表示一樣的嗎?看來(lái)JAVA真正的內部字符編碼和UTF-16有或多或少的聯(lián)系。JAVA內部究竟是用的什么字符編碼呢?這個(gè)問(wèn)題我也找了很久，后來(lái)在THINK IN JAVA 3rd的12章里看到一個(gè)例子出現了UTF-16BE，難道是它?　　 byte[] utf_16be = name.getBytes("utf-16be");

printbyte(utf_16be);

結果出來(lái)了：58 02 length = 2

哈哈，I got it!不多不少兩個(gè)字節，內容也一樣。果然是它。同時(shí)我在里面也看到，UNICODE的編碼還有一個(gè)LE，這里的BE,LE我想應該是bigendian和littleendian吧。

今天終于把JAVA里一個(gè)比較頭痛的問(wèn)題——字符編碼弄清晰了，所以寫(xiě)一篇文章來(lái)紀念一下，也為大家提供一點(diǎn)自己的心得。