浅谈Java中的编码理论

 　　Java是使用Unicode字符集的，意思是在内存运行的时候是这样的。当Java源程序被编译为.class文件的时候，是以UTF-8字符集存储字符的。比如字符串"汉语"的Unicode字符为：0x496CED 8B。在.class文件中则变成了：0xE6 B1 89 E8 AF AD0D0A。实际上如果用以下程序输出“汉语”二个字的16进制字节序列：

 

　　String str = "汉语"; trybyte b = str.getBytes("Unicode");for(int i:b)System.out.println(Integer.toHexString(i));catch(Exceptionex)ex.printStackTrace();

　　会发现，实际输出的是 0xFE FF 6C 49 8B ED。多出来的0xFEFF，是Unicode字符串的BOM（ByteOrder Mark）。但是为什么输出的顺序（0xFE FF 6C 49 8BED）和文件中的顺序不一致（0xFF FE 49 6CED 8B）？

　　public byte getBytes(Charset charset) 使用指定的字符集将此String解码为字节序列，并将结果存储到一个新的字节数组中。如果不指定参数，则使用系统默认的字符集，对于简体中文系统一般为GBK。

　　看程序：

　　class EncodingExer public static void main(String args) Stringstr= "汉语";//GBK编码为： 0xBABA 0xD3EFbyte b = str.getBytes(); for(inti :b)System.out.println(Integer.toHexString(i)); //0xBA 0xBA0xD30xEF

　　在这个过程中，由Unicode字符得到字符串“汉语”，然后解码得到了GBK字节序列。与String.getBytes()相对应的是newString(bytebytes,Charsetcharset)，它的作用是用字节序列生成字符串。如果想由刚才的GBK字节序列得到原来的字符串“汉语”，我们需要做的是：newString(b)就可以了。将b按照GBK编码得到字符串“汉语”，然后转化为Unicode字符。如果是str.getBytes("iso-8859-1")，那么还原的时候就是newString(b,"iso-8859-1")。总之就是用什么方式编码，就用什么方式解码。