Java 字元編碼與解碼

標籤：二進位   int   nbsp   軟體   顯示   修改   字元編碼   用兩個   問題   

1、字元編碼的發展曆程

　　①、ASCII 碼

　　因為電腦只認識數字，所以我們在電腦裡面的一切資料都是以數字來表示，因為英文字元有限，所以規定使用的位元組的最高位是 0，每一個位元組都是以 0-127 之間的數字來表示。比如 A 對應 65，a 對應 97。這便是 美國標準資訊交換碼，ASCII

String str = new String("Aa");byte[] strASCII = str.getBytes("ASCII");System.out.println(Arrays.toString(strASCII));//[65, 97]

　　

　　②、GB2312 碼

　　隨著電腦在全球的普及，很多國家和地區都把自己的字元引入了電腦，比如漢字。此時發現一個位元組能表示的數字範圍太小，不能包含所有的中文漢字。那麼就規定使用兩個位元組來表示一個漢字。

　　規定：原有的 ASCII 字元的編碼保持不變，仍然使用一個位元組表示，為了區別一個中文字元與兩個 ASCII 碼字元相區別。中文字元的每個位元組最高位規定為 1（即中文的二進位是負數），這便是 GB2312 編碼

String str = new String("Aa帥鍋");byte[] strASCII = str.getBytes("GB2312");System.out.println(Arrays.toString(strASCII));//[65, 97, -53, -89, -71, -8]

　　

　　③、GBK

　　由於中國漢字太多，在 GB2312 的基礎上增加了更多的中文字元，這種編碼是 GBK

 

問題：如果只是在中國，那麼大家都認識漢字，但是如果是別的國家，而該國家的碼錶中是沒有收錄漢字的。那麼電腦在顯示的時候就為亂碼或是別的字元

 

解決辦法：為瞭解決各個國家因為本地化字元編碼帶來的影響，就把全世界所有的字元統一進行編碼---Unicode 編碼

　　　　　此時某一個字元在全世界任何地方顯示都是固定的，比如漢字 哥，在任何地方都是以十六進位 54E5 來表示。

　　　　　Unicode 的字元編碼都佔有兩個位元組

 

　　④、UTF-8

　　是一種針對 Unicode 的可變長度字元編碼，又稱為 萬國碼，是 Unicode 的實現方式之一。編碼中的第一個位元組仍與 ASCII 相容，這使得原來處理 ASCII 字元的軟體無須或只需做少部分修改，即可繼續使用。因此，它逐漸成為電子郵件、網頁及其他儲存或傳送文字的應用中，優先採用的編碼。互連網工程工作小組（IETF）要求所有互連網協議都必須支援 UTF-8 編碼

String str = new String("Aa帥鍋");byte[] strASCII = str.getBytes("UTF-8");System.out.println(Arrays.toString(strASCII));//[65, 97, -27, -72, -123, -23, -108, -123]

　　

 

儲存字母、數字：無論什麼字元集都佔有 1 個位元組

儲存漢字：GBK 家族佔有 2 個位元組。UTF-8 佔有 3 個位元組

　　　　   不能使用單位元組的字元集（ASCII/ISO-8859-1）來儲存中文

 

 

 

2、字元的編碼和解碼

　　資訊在電腦網路中傳輸是以位元組的形式。那麼如何變為位元組？這就是編碼的過程。那麼電腦接收了這個編碼，如何讓使用者認識呢？那必須要將位元組轉換為人所識別的字串形式，這就是解碼的過程。

 

　　編碼：將字串轉換為 byte 數組

　　解碼：把 byte 數群組轉換為 字串

注意：①、編碼格式和解碼格式必須一致，否則亂碼

String str = new String("Aa帥鍋");//編碼操作byte[] strByte = str.getBytes("GBK");System.out.println(Arrays.toString(strByte));//[65, 97, -53, -89, -71, -8]//解碼操作  //注意編碼的字元集和解碼的字元集格式必須一致（是其擴充字元集也可以），否則會亂碼//第一種：編碼格式為 GBK，解碼格式為 ISO-8859-1  那麼就會亂碼String str2 = new String(strByte,"ISO-8859-1");System.out.println(str2); //Aa?§??//第二種：編碼和解碼格式一致String str3 = new String(strByte,"GBK");System.out.println(str3); //Aa帥鍋

　　②、有時候編碼為和解碼格式一致了，但是還是亂碼，這是因為在資料在傳輸過程中經過伺服器的處理，而這個伺服器可能是外國人編寫的，那麼就會將資料轉換為 別的字元格式設定，那麼你如果還是直接轉為自己想要的格式是會亂碼的。

　　解決辦法：先擷取經過伺服器之後的資料還原編碼，然後在進行解碼

String str = new String("Aa帥鍋");//編碼操作byte[] strByte = str.getBytes("UTF-8");System.out.println(Arrays.toString(strByte));//[65, 97, -27, -72, -123, -23, -108, -123]//中間經過了伺服器的傳輸，編碼格式轉成了 ISO-8859-1String str2 = new String(strByte,"ISO-8859-1");//解碼操作  ,此時如果直接進行解碼，那麼會亂碼String str3 = new String(str2.getBytes(),"UTF-8");System.out.println(str3); //Aa???????//對於上面的亂碼，我們必須先還原伺服器之前的編碼格式，然後在進行解碼。那麼就不會亂碼byte[] strByte2 = str2.getBytes("ISO-8859-1");String str4 = new String(strByte2,"UTF-8");System.out.println(str4); //Aa帥鍋

　　

 

Java 字元編碼與解碼