String.getBytes(“Unicode”)的疑問 以及 SHIFT-JIS編碼範圍

String.getBytes(charsetName),這個方法很多人都用過，可是有沒有試過temp.getBytes("Unicode");這樣的用法，它的傳回值很奇怪，第1和第2個位元組是-1或-2,比如下面的代碼，你能想象出它的結果嗎？     

        String temp = "a";

        try {

            byte[] unicodes = temp.getBytes("Unicode");

            System.out.println("unicodes=" + unicodes.length);
            for (int i = 0; i < unicodes.length; i++) {
                System.out.println(unicodes[i]);
            }

            unicodes = temp.getBytes("UnicodeLittleUnmarked");
            System.out.println("unicodes=" + unicodes.length);
            for (int i = 0; i < unicodes.length; i++) {
                System.out.println(unicodes[i]);
            }
           
            unicodes = temp.getBytes("UnicodeBigUnmarked");
            System.out.println("unicodes=" + unicodes.length);
            for (int i = 0; i < unicodes.length; i++) {
                System.out.println(unicodes[i]);
            }

        } catch (UnsupportedEncodingException e) {           
            e.printStackTrace();
        }

輸出結果：

unicodes=4
-1
-2
97
0
unicodes=2
97
0
unicodes=2
0
97

為什麼會有這種結果呢？藍色的返回了四個位元組，-1,-2,是位元組順的一種表示，這是由sun的類庫實現，指示如果沒有指定位元組就使用預設的UnicodeLittle（在Window平台，別的平台我沒測試），但為了標識這種位元組順，就使用了-1,-2在前面表示。

黑色的字，是UnicodeLittleUnmarked的結果，其返回位元組只是兩個位元組，這與Unicode的編碼相符合，注意到97,0與使用Unicode時後兩個位元組順序一樣。

紅色的字，是使用UnicodeBigUnmarked的結果，位元組順與Little相反，也沒有-1,-2.

由以上應該知道，temp.getBytes("Unicode");應該小心使用，應該注意它返回的-1,-2,這兩
個位元組，因為在一些網路程式中，特別是當對方是由java以外的語言編寫，有可能不會使用這種方式來標識位元組順，因此要瞭解對方的細節，這樣才能保證資料
的準確傳遞。

+++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++

想把一個檔案中的日文部分提取出來，可是其他的東西都不知道是什麼，好在還能查到SHIFT-JIS編碼的範圍。有個範圍怎麼著還是能將就是把文字提出來，只是沒有格式罷了。轉自:http://blog.csdn.net/walacewang/archive/2006/03/03/614382.aspx

Shift_JIS是一個日本電腦系統常用的編碼錶。它能容納全形及半形拉丁字母、平假名、片假名、符號及日語漢字。

它被命名為Shift_JIS的原因，是它在放置全形字元時，要避開原本在0xA1-0xDF放置的半形假名字元。

在微軟及IBM的日語電腦系統中，即使用了這個編碼錶。這個編碼錶稱為CP932。

位元組結構
以下字元在Shift_JIS使用一個位元組來表示。

ASCII字元 (0×20-0×7E)，但”\”被\\”¥”取代
ASCII控制字元 (0×00-0×1F、0×7F)
JIS X 0201標準內的半形標點及片假名(0xA1-0xDF)
在部分作業系統中，0xA0用來放置”不換行空格\\”。
以下字元在Shift_JIS使用兩個位元組來表示。

JIS X 0208字集的所有字元

“第一位位元組\\”使用0×81-0×9F、0xE0-0xEF (共47個)
“第二位位元組\\”使用0×40-0×7E、0×80-0xFC (共188個)

使用者定義區

“第一位位元組\\”使用0xF0-0xFC (共47個)
“第二位位元組\\”使用0×40-0×7E、0×80-0xFC (共188個)

在Shift_JIS編碼錶中，並未使用0xFD、0xFE及0xFF。

在微軟及IBM的日語電腦系統中，在0xFA、0xFB及0xFC的兩位元組地區，加入了388個JIS X 0208沒有收錄的符號和漢字。