字符串与byte[]之间的转换
来源:互联网 发布:java错误代码 编辑:程序博客网 时间:2024/04/29 12:53
一、 编码
同一个字符在不同的编码下会被编成不同长度的编码,比如:
ACSII,每个字符对应一个字节,实际上只使用了7位,从00h-7Fh。只能表达128个字符。
GB2312,中文的一种编码,每个字符使用两个字节表示。
UTF-8, 可以表达所有unicode字符,每个字符可以用1-3个字节表示。
UTF-16, 可以表达所有unicode字符,每个字符可以用1-2个16位整数表示。
UTF-32, 可以表达所有unicode字符,每个字符可以用1个32位整数表示。
Windows内部支持以下编码:
Code Page
Name
Display Name
936
gb2312
Chinese Simplified (GB2312)
1149
IBM01149
IBM EBCDIC (Icelandic-Euro)
1200
utf-16
Unicode
1201
unicodeFFFE
Unicode (Big-Endian)
1252
Windows-1252
Western European (Windows)
10003
x-mac-korean
Korean (Mac)
10008
x-mac-chinesesimp
Chinese Simplified (Mac)
20127
us-ascii
US-ASCII
20936
x-cp20936
Chinese Simplified (GB2312-80)
20949
x-cp20949
Korean Wansung
28591
iso-8859-1
Western European (ISO)
28598
iso-8859-8
Hebrew (ISO-Visual)
38598
iso-8859-8-i
Hebrew (ISO-Logical)
50220
iso-2022-jp
Japanese (JIS)
50221
csISO2022JP
Japanese (JIS-Allow 1 byte Kana)
50222
iso-2022-jp
Japanese (JIS-Allow 1 byte Kana - SO/SI)
50225
iso-2022-kr
Korean (ISO)
50227
x-cp50227
Chinese Simplified (ISO-2022)
51932
euc-jp
Japanese (EUC)
51936
EUC-CN
Chinese Simplified (EUC)
51949
euc-kr
Korean (EUC)
52936
hz-gb-2312
Chinese Simplified (HZ)
54936
GB18030
Chinese Simplified (GB18030)
57002
x-iscii-de
ISCII Devanagari
57003
x-iscii-be
ISCII Bengali
57004
x-iscii-ta
ISCII Tamil
57005
x-iscii-te
ISCII Telugu
57006
x-iscii-as
ISCII Assamese
57007
x-iscii-or
ISCII Oriya
57008
x-iscii-ka
ISCII Kannada
57009
x-iscii-ma
ISCII Malayalam
57010
x-iscii-gu
ISCII Gujarati
57011
x-iscii-pa
ISCII Punjabi
65000
utf-7
Unicode (UTF-7)
65001
utf-8
Unicode (UTF-8)
65005
utf-32
Unicode (UTF-32)
65006
utf-32BE
Unicode (UTF-32 Big-Endian)
目前Windows的内核已经采用Unicode编码,这样在内核上可以支持全世界所有的语言文字。但是由于现有的大量程序和文档都采用了某种特定语言的编码,例如gb2312,Windows不可能不支持现有的编码,而全部改用Unicode。
Windows使用上面表格所示的代码页(code page)来适应各个国家和地区。Windows使用默认代码页来表示当前操作系统的使用的语言,这可以在控制面板的“区域和语言选项”中选择。一般中文windows操作系统,选择“中文(中国)”,这样设置,windows的默认代码页就是936,即gb2312。
Windows按照当前的缺省代码页去解释文本文件里的字节流。缺省代码页可以通过控制面板的区域选项设置。记事本的另存为中有一项ANSI,其实就是按照缺省代码页的编码方法保存。
Windows的内码是Unicode,它在技术上可以同时支持多个代码页。只要文件能说明自己使用什么编码,用户又安装了对应的代码页,Windows就能正确显示,例如在HTML文件中就可以指定charset。
字节序
UTF-8是单字节的编码,不用考虑字节顺序,但是UTF-16和UTF-32是16位和32位的编码,每个编码内部都有个字节顺序的问题。比如字符”A” (U+0041),在序列化时是”00”在前还是”41”在前,这就有两种可能。
UTF-16 big-endian byte order: 00 41
UTF-16 little-endian byte order: 41 00
规范规定了一个可选的方案,就是在编码前导几个字符放上本身不是UTF可能编码的前导编码来帮助判断识别。
UTF-8: EF BB BF
UTF-16 big-endian byte order: FE FF
UTF-16 little-endian byte order: FF FE
UTF-32 big-endian byte order: 00 00 FE FF
UTF-32 little-endian byte order: FF FE 00 00
二、 需要把string转换为byte[]使用的场景
任何需要把string序列化处理都需要这种转换,比如:
需要把string保存到文件中,必须把string转换成一个有序的字节流,以便系统在硬盘上做物理保存。
对string做加密操作时,加密算法是针对字节进行处理,这时也需要把string转换成字节流以便加密算法对数据进行处理。
String到字节流的转换涉及到使用何种编码,使用不同的编码得到的字节码不同,再从字节码做反操作恢复成string,必须使用编码时使用的编码或者兼容的编码,否则结果就是乱码。
三、 string转换为byte []的操作
1、 确定使用的编码
使用Encoding类的静态方法GetEncoding方法获得某个类型的Encoding对象。
l public static Encoding.GetEncoding(int codepage)
codepage指定这种返回代码页的Encoding
l public static Encoding GetEncoding (string name)
name 指定这种返回代码名的Encoding
其中使用到的代码页和代码名在上面表中。
比如要获得一个utf-8的Encoding对象
Encoding myEncoding = Encoding.GetEncoding("utf-8");
2、 从string到byte[]
string sData = “字符串”;
byte[] myByte = myEncoding.GetBytes(sData);
3、 从byte[]到string
byte[] myByte = new byte[]{};
string sData = myEncoding.GetString(byte[] myByte);
使用GetBytes方法时,不产生前面所说的识别不同UTF格式的前导符。
- 字符串与byte[]之间的转换
- 字符串与byte[]之间的转换
- 字符串与byte[]之间的转换
- 字符串与byte[]之间的转换
- 字符串与byte[]之间的转换
- 字符串与byte[]之间的转换
- java中字符串与16进制,byte之间的转换
- java中字符串与16进制,byte之间的转换
- c# byte字节数组与string字符串之间的转换
- Java 字符串与byte之间的相互转换
- Java中字符串与byte数组之间的相互转换
- Java 字符串与byte之间的相互转换
- byte[]与Image Image与 byte[] 之间的转换
- string与byte[]之间的转换
- String 与Byte[]数组之间的转换
- BitMapImage与byte[]之间的转换
- 图片与byte之间的转换
- 图片与byte[]之间的相互转换
- ASP读取EXCEL数据
- 努力自学成材 1
- 如何自定义msi安装程序
- 鼠标跟随文字
- Posix线程编程指南(3)--线程同步
- 字符串与byte[]之间的转换
- 装了两年多的系统准备重装,立此存照!
- Hashtable和HashMap的区别
- 每日IN语(2009-01-22)如果真诚是一种伤害
- Qt4读书笔记3
- 二十个CSS经典技巧
- 第四回:后来居上:class和struct
- ANT-build.xml详解
- 关于在vs2005中出现: error LNK2001: 无法解析的外部符号 __security_cookie现象的处理办法