Java与Unicode:(转)
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
assertEquals(160, Charset.availableCharsets().size());
Set<String> charsetNames = Charset.availableCharsets().keySet();
assertTrue(charsetNames.contains("utf-8"));
assertTrue(charsetNames.contains("utf-16"));
assertTrue(charsetNames.contains("gb2312"));
assertTrue(Charset.isSupported("utf-8"));
需要在哪些时候注意编码问题?
1.从外部资源读取数据:
这跟外部资源采取的编码方式有关,我们需要使用外部资源采用的字符集来读取外部数据:
Java代码
InputStream is = new FileInputStream("res/input2.data");
InputStreamReader streamReader = new InputStreamReader(is, "GB18030");
这里可以看到,我们采用了GB18030编码读取外部数据,通过查看streamReader的encoding可以印证:
Java代码
assertEquals("GB18030", streamReader.getEncoding());
正是由于上面我们为外部资源指定了正确的编码,当它转成char数组时才能正确地进行解码(GB18030 ->
unicode):
Java代码
char[] chars = new char[is.available()];
streamReader.read(chars, 0, is.available());
但我们经常写的代码就像下面这样:
Java代码
InputStream is = new FileInputStream("res/input2.data");
InputStreamReader streamReader = new InputStreamReader(is);
这时候InputStreamReader采用什么编码方式读取外部资源呢?Unicode?不是,这时候采用的编码方式
是JVM的默认字符集,这个默认字符集在虚拟机启动时决定,通常根据语言环境和底层操作系统的 charset
来确定。可以通过以下方式得到JVM的默认字符集:
Java代码
Charset.defaultCharset();
为什么要这样?因为我们从外部资源读取数据,而外部资源的编码方式通常跟操作系统所使用的字符集一样,
所以采用这种默认方式是可以理解的。
好吧,那么我通过我的IDE Ideas创建了一个文件,并以JVM默认的编码方式从这个文件读取数据,但读出来
的数据竟然是乱码。为何?呵呵,其实是因为通过Ideas创建的文件是以utf-8编码的。要得到一个JVM默认
编码的文件,通过手工创建一个txt文件试试吧。
2.字符串和字节数组的相互转换
我们通常通过以下代码把字符串转换成字节数组:
Java代码
"string".getBytes();
但你是否注意过这个转换采用的编码呢?其实上面这句代码跟下面这句是等价的:
Java代码
"string".getBytes(Charset.defaultCharset());
也就是说它根据JVM的默认编码(而不是你可能以为的unicode)把字符串转换成一个字节数组。
反之,如何从字节数组创建一个字符串呢?
Java代码
new String("string".getBytes());
同样,这个方法使用平台的默认字符集解码字节的指定数组(这里的解码指从一种字符集到unicode)。
字符串编码迷思:
Java代码
new String(input.getBytes("ISO-8859-1"), "GB18030")
上面这段代码代表什么?有人会说: “把input字符串从ISO-8859-1编码方式转换成GB18030编码方式”。
如果这种说法正确,那么又如何解释我们刚提到的java字符串都采用unicode编码呢?
这种说法不仅是欠妥的,而且是大错特错的,让我们一一来分析,其实事实是这样的:我们本应该用
GB18030的编码来读取数据并解码成字符串,但结果却采用了ISO-8859-1的编码,导致生成一个错误的字
符串。要恢复,就要先把字符串恢复成原始字节数组,然后通过正确的编码GB18030再次解码成字符串(即
把以GB18030编码的数据转成unicode的字符串)。注意,字符串永远都是unicode编码的。
但编码转换并不是负负得正那么简单,这里我们之所以可以正确地转换回来,是因为 ISO8859-1 是单字节编
码,所以每个字节被按照原样 转换为 String ,也就是说,虽然这是一个错误的转换,但编码没有改变,所以
我们仍然有机会把编码转换回来!
总结:
所以,我们在处理java的编码问题时,要分清楚三个概念:Java采用的编码:unicode,JVM平台默认字符
集和外部资源的编码。
程序示例:
public static void main(String args[])
{
System.out.println("default charset : "+Charset.defaultCharset());
String str = "abc你好";//string with UTF-8 charset
byte[] bytes = str.getBytes(Charset.forName("UTF-8"));//convert to byte array with UTF-8 encode
for (byte b : bytes)
{
System.out.print(b + " ");
}
System.out.println();
try
{
String str1 = new String(bytes, "UTF-8");//to UTF-8 string
String str2 = new String(bytes, "ISO-8859-1");//to ISO-8859-1 string
String str3 = new String(bytes, "GBK");//to GBK string
System.out.println(str1);//abc你好
System.out.println(str2);//abc??????
System.out.println(str3);//abc浣犲ソ
System.out.println();
byte[] bytes2 = str2.getBytes(Charset.forName("ISO-8859-1"));
for (byte b : bytes2)
{
System.out.print(b + " ");
}
System.out.println();
String str22 = new String(bytes2, "UTF-8");
System.out.println(str22);//abc你好
System.out.println();
byte[] bytes3 = str3.getBytes(Charset.forName("GBK"));
for (byte b : bytes3)
{
System.out.print(b + " ");
}
System.out.println();
String str33 = new String(bytes3, "UTF-8");
System.out.println(str33);//abc你好
} catch (UnsupportedEncodingException e)
{
e.printStackTrace();
}
}
运行结果:
[html] www.2cto.com
default charset : GBK
97 98 99 -28 -67 -96 -27 -91 -67
abc你好
abc??????
abc浣犲ソ
97 98 99 -28 -67 -96 -27 -91 -67
abc你好
97 98 99 -28 -67 -96 -27 -91 -67
abc你好
字符集相关测试代码
package com.hank.comments;
import java.io.UnsupportedEncodingException;
import java.nio.charset.Charset;
public class Test {
public static void main(String[] args) throws UnsupportedEncodingException {
String str = "中文";
//str = new String("中文".getBytes("gbk"), "gbk");
//System.out.println(Charset.defaultCharset());
System.out.println("中文unicode--->gbk");
printBytes("中文".getBytes("gbk"));//unicode--->gbk
System.out.println("中文unicode--->utf8");
printBytes("中文".getBytes("utf8"));//unicode--->utf8
str = new String("中文".getBytes("gbk"), "gbk");//unicode---->gbk---->unicode
System.out.println("中文unicode---->gbk---->utf8---->unicode---->utf8");
str = new String("中文".getBytes("utf8"), "gbk");//unicode---->gbk---->utf8---->unicode
printBytes(str.getBytes("utf8"));
str = new String(str.getBytes("gbk"), "utf8");
System.out.println(str);
//bytes数组,charset是字节数组安装什么方式编码生成字符串
//new String(bytes, charset)
//System.out.println(new String(str.getBytes("utf8"), "utf8"));
// byte[] jvmBytes = str.getBytes("unicode");
// System.out.println("jvm Encoding: " + bytesToHexString(jvmBytes));
//
// byte[] defaultBytes = str.getBytes();
// System.out.println("page Encoding:" + bytesToHexString(defaultBytes));
//
// byte[] utf8Bytes = str.getBytes("utf8");
// System.out.println("uft8: " + bytesToHexString(utf8Bytes));
//
// byte[] gb2312Bytes = str.getBytes("gb2312");
// System.out.println("gb2312: " + bytesToHexString(gb2312Bytes));
//
// byte[] gbkBytes = str.getBytes("gbk");
// System.out.println("gbk: " + bytesToHexString(gbkBytes));
//
// byte[] gb18030Bytes = str.getBytes("gb18030");
// System.out.println("gb18030Bytes: " + bytesToHexString(gb18030Bytes));
//
// byte[] iso8859_1Bytes = str.getBytes("iso8859-1");
// System.out.println("iso8859-1: " + bytesToHexString(iso8859_1Bytes));
//
// for(int i=0; i<iso8859_1Bytes.length; i++) {
// System.out.println(iso8859_1Bytes[i]);
// }
}
/**
* byte数组转换成16进制字符串
* @param src
* @return
*/
public static String bytesToHexString(byte[] src){
StringBuilder stringBuilder = new StringBuilder();
if (src == null || src.length <= 0) {
return null;
}
for (int i = 0; i < src.length; i++) {
int v = src[i] & 0xFF;
String hv = Integer.toHexString(v);
if (hv.length() < 2) {
stringBuilder.append(0);
}
stringBuilder.append(hv);
}
return stringBuilder.toString();
}
public static void printBytes(byte[] src) {
for (byte b : src) {
System.out.print(b + " ");
}
System.out.println();
}
}
分享到:
相关推荐
北京动力节点-Java编程零基础教程-053-Java基本语法-Unicode码.avi 北京动力节点-Java编程零基础教程-054-Java基本语法-UTF-8.avi 北京动力节点-Java编程零基础教程-055-Java基本语法-UTF-8的编码格式.avi 北京...
这个"Java-show-all-Unicode-code.zip_show"压缩包文件包含两个源代码文件:UNICODEDISPLAY1.JAVA和UNICODEPANEL1.JAVA,显然是为了演示如何在Java程序中显示所有的Unicode字符。 `UNICODEDISPLAY1.JAVA`可能是一个...
为了保持最佳兼容性和安全性,建议使用最新稳定版的驱动,如`8.x`系列,它提供了更好的性能和更多的新特性,如SSL加密连接、改进的Unicode支持和JSON数据类型处理等。 在实际开发中,理解`mysql-connector-java`的...
MySQL-connector-java-8.0.28 是MySQL数据库与Java应用程序之间通信的重要组件,它是一个JDBC(Java Database Connectivity)驱动程序,使得Java开发者能够通过编写Java代码来访问和操作MySQL数据库。在这个版本中,...
MySQL Connector/J是MySQL数据库系统与Java应用程序之间的重要桥梁,它是一个实现了JDBC(Java Database Connectivity)规范的驱动程序,...在Java项目中,正确配置和使用这个驱动包是实现与MySQL数据库交互的基础。
JavaMail 是一个开源的 Java API,它为 Java 程序提供了一套强大的邮件和消息处理功能。在“java-mail-1.4”这个版本中,我们主要关注的是 JavaMail 1.4 版本的相关特性、使用方法以及重要概念。 JavaMail 提供了与...
MySQL Connector/J是MySQL官方提供的用于连接Java应用程序和MySQL数据库的驱动程序,它遵循Java Database Connectivity (JDBC) API规范,使得Java开发者可以方便地在Java环境中操作MySQL数据库。在本篇中,我们将...
在实际使用中,`org.dtools.javaini-v1.1.0.jar`通过简单的导入和调用API即可实现功能,例如: ```java import org.dtools.javaini.INIConfig; // 加载INI文件 INIConfig config = new INIConfig("config.ini"); ...
Java基础是编程学习的核心部分,本总结主要涵盖了Java语言的基础概念和常见问题,适用于初学者和需要回顾基础知识的开发者。以下是对这些知识点的详细解释: 1. **基本数据类型**: - Java提供了八种基本数据类型...
本文将详细介绍Java中Unicode和字符集的基础知识。 #### 二、ASCII编码 ASCII(American Standard Code for Information Interchange,美国信息交换标准代码)是一种基于拉丁字母的一套电脑编码系统,被国际标准化...
【压缩包子文件的文件名称列表】"uiautomator-unicode-input-helper-master"表示这是该工具的主目录,通常包含源代码、文档、示例和其他相关资源。解压后,我们可以期待找到以下内容: 1. **源代码**:Java或Kotlin...
MySQL Connector/J遵循JDBC规范,提供了一组Java类和接口,使得Java程序员可以使用标准的JDBC API连接到MySQL服务器,执行SQL查询,处理结果集等。 2. **连接管理**:MySQL Connector/J支持多种连接方式,包括标准...
8. **Unicode和字符集支持**:支持多种字符集,包括对UTF-8和其他多语言环境的优化。 9. **事务处理**:支持ACID(原子性、一致性、隔离性和持久性)事务,确保数据的一致性和完整性。 10. **批处理**:允许一次...
4. **Java默认编码**:Java虚拟机(JVM)的默认编码可能会影响文件读写和字符串处理。可以通过 `-Dfile.encoding=UTF-8` 参数来设定JVM的默认编码。 对于JSP,由于它涉及到网页的显示,处理中文字符会更复杂。当从...
MySQL Connector/J是MySQL数据库与Java应用程序之间的桥梁,它是一个实现了JDBC(Java Database Connectivity)标准的驱动程序,允许Java开发者在Java应用中访问和操作MySQL数据库。本压缩包包含两个版本的MySQL ...
为了使用这个标准,开发者通常会引用`Unicode-EastAsianWidth-1.33`中的数据文件,这些文件包含了所有相关字符的宽度信息。这些数据通常以一种便于程序读取的格式存储,如XML或CSV,以便在软件中进行解析和应用。 ...
在Java编程语言中,Unicode编码是一种广泛使用的字符集,它包含了世界上几乎所有的文字,包括中文。Unicode使得在程序中处理不同语言的文本变得更加方便。本文将深入探讨如何在Java中进行中文字符到Unicode编码的...
首先,`UnicodeInputStream`和`UnicodeReader`是Java中用于处理Unicode编码流的类。它们是`java.io`包的一部分,提供了对带有BOM的文件进行读取的功能。`UnicodeInputStream`是一个过滤输入流,它的主要任务是检测并...
本课件重点介绍了Java语言的基础知识,包括Java语言的元素和数据类型。 首先,Java语言的元素主要涵盖数据类型、控制结构、类与对象等。数据类型是编程中的基本构建块,分为两大类:基本数据类型和引用数据类型。...
这个JAR(Java Archive)文件是Java平台的标准归档格式,包含了运行在Java虚拟机上的类和其他资源。 MySQL Connector/J遵循JDBC(Java Database Connectivity)规范,它是Java标准API的一部分,用于访问各种类型的...