java byte与char互转原理

code

一、字节和unicode

java内核是unicode的,就连class文件也是,但是很多媒体,包括文件/流的保存方式是使用字节流的。因此java要对这些字节流经行转化。 char是unicode的,而byte是字节。java中 byte/char互转的函数在sun.io的包中间有。其中bytetocharconverter类是中调度,可以用来告诉你,你用的 convertor。其中两个很常用的静态函数是:

public static bytetocharconverter getdefault();

public static bytetocharconverter getconverter(string encoding);

如果你不指定converter,则系统会自动使用当前的encoding,gb平台上用gbk,en平台上用8859_1。

byte ——〉char:

"你"的gb码是:0xc4e3 ,unicode是0x4f60

string encoding = "gb2312";

byte b[] = {(byte)'\u00c4',(byte)'\u00e3'};

bytetocharconverter converter = bytetocharconverter.getconverter(encoding);

char c[] = converter.convertall(b);

for (int i = 0; ic.length; i++) {

system.out.println(integer.tohexstring(c[i]));

}

结果是什么?0x4f60

如果encoding ="8859_1",结果又是什么?0x00c4,0x00e3

如果代码改为:

byte b[] = {(byte)'\u00c4',(byte)'\u00e3'};

bytetocharconverter converter = bytetocharconverter. getdefault();

char c[] = converter.convertall(b);

for (int i = 0; ic.length; i++) {

system.out.println(integer.tohexstring(c[i]));

}

结果将又是什么?

这就要根据平台的编码而定。

char ——〉byte:

string encoding = "gb2312";

char c[] = {'\u4f60'};

chartobyteconverter converter = chartobyteconverter.getconverter(encoding);

byte b[] = converter.convertall(c);

for (int i = 0; ib.length; i++) {

system.out.println(integer.tohexstring(b[i]));

}

结果是什么?0x00c4,0x00e3

如果encoding ="8859_1",结果又是什么?0x3f

如果代码改为

string encoding = "gb2312";

char c[] = {'\u4f60'};

chartobyteconverter converter = chartobyteconverter.getdefault();

byte b[] = converter.convertall(c);

for (int i = 0; ib.length; i++) {

system.out.println(integer.tohexstring(b[i]));

}

结果将又是什么?还是根据平台的编码而定。

很多中文问题就是从这两个最简单的类派生出来的。而却有很多类不直接支持把encoding输入,这给我们带来诸多不便。很多程序难得用encoding了,直接用default的encoding,这就给我们移植带来了很多困难。

二、utf-8

utf-8是和unicode一一对应的,其实现很简单:

7位的unicode: 0 _ _ _ _ _ _ _

11位的unicode: 1 1 0 _ _ _ _ _ 1 0 _ _ _ _ _ _

16位的unicode: 1 1 1 0 _ _ _ _ 1 0 _ _ _ _ _ _ 1 0 _ _ _ _ _ _

21位的unicode: 1 1 1 1 0 _ _ _ 1 0 _ _ _ _ _ _ 1 0 _ _ _ _ _ _ 1 0 _ _ _ _ _ _

大多数情况是只使用到16位以下的unicode:

"你"的gb码是:0xc4e3 ,unicode是0x4f60

0xc4e3的二进制:

1100 ,0100 ,1110 ,0011

由于只有两位我们按照两位的编码来排,但是我们发现这行不通,因为第7位不是0因此,返回"?"

0x4f60的二进制:

0100 ,1111 ,0110 ,0000

我们用utf-8补齐,变成:

1110 ,0100 ,1011 ,1101 ,1010 ,0000

e4--bd-- a0

于是返回:0xe4,0xbd,0xa0。

三、string和byte[]

string其实核心是char[],然而要把byte转化成string,必须经过编码。string.length()其实就是char数组的长度,如果使用不同的编码,很可能会错分,造成散字和乱码。例如:

string encoding = “”;

byte [] b={(byte)'\u00c4',(byte)'\u00e3'};

string str=new string(b,encoding);

如果encoding=8859_1,会有两个字,但是encoding=gb2312只有一个字这个问题在处理分页是经常发生。

四、reader,writer / inputstream,outputstream

reader和writer核心是char,inputstream和outputstream核心是byte。但是reader和writer的主要目的是要把char读/写inputstream/outputstream。例如:

文件test.txt只有一个"你"字,0xc4,0xe3

string encoding = "gb2312";

inputstreamreader reader = new inputstreamreader(new fileinputstream(

"text.txt"), encoding);

char c[] = new char[10];

int length = reader.read(c);

for (int i = 0; ilength; i++) {

system.out.println(c[i]);

}

结果是什么?是"你"。如果encoding ="8859_1",结果是什么?"??"两个字符,表示不认识。反过来的例子自己做。

五、我们要对java的编译器有所了解:

javac ?encoding

我们常常没有用到encoding这个参数。其实encoding这个参数对于跨平台的操作是很重要的。如果没有指定encoding,则按照系统的默认 encoding,gb平台上是gb2312,英文平台上是iso8859_1。java的编译器实际上是调用sun.tools.javac.main 的类,对文件进行编译,这个类有compile函数中间有一个encoding的变量,-encoding的参数其实直接传给encoding变量。编译器就是根据这个变量来读取java文件的,然后把用utf-8形式编译成class文件。例子代码:

string str = "你";

filewriter writer = new filewriter("text.txt");

write.write(str);

writer.close();

如果用gb2312编译,你会找到e4 bd a0的字段 ;

如果用8859_1编译, 00c4 00e3的二进制:

0000,0000 ,1100,0100 ,0000,0000 ,1110,0011

因为每个字符都大于7位,因此用11位编码:

1100,0001,1000,0100,1100,0011,1010,0011

c1-- 84-- c3--a3

你会找到c1 84 c3 a3

但是我们往往忽略掉这个参数,因此这样往往会有跨平台的问题:

样例代码在中文平台上编译,生成zhclass

样例代码在英文平台上编译,输出enclass

(1) zhclass在中文平台上执行ok,但是在英文平台上不行

(2) enclass在英文平台上执行ok,但是在中文平台上不行

原因是:

(1) 在中文平台上编译后,其实str在运行态的char[]是0x4f60, 在中文平台上运行,filewriter的缺省编码是gb2312,因此 chartobyteconverter会自动用调用gb2312的converter,把str转化成byte输入到fileoutputstream 中,于是0xc4,0xe3放进了文件。但是如果是在英文平台下,chartobyteconverter的缺省值是8859_1, filewriter会自动调用8859_1去转化str,但是他无法解释,因此他会输出"?"

(2) 在英文平台上编译后,其实str在运行态的char[]是0x00c4 0x00e3, 在中文平台上运行,中文无法识别,因此会出现??;在英文平台上,0x00c4-->0xc4,0x00e3->0xe3,因此 0xc4,0xe3被放进了文件。

六、其它原因:

@ page contenttype="text/html; charset=gbk" %>

设置浏览器的显示编码,如果response的数据是utf8编码,显示将是乱码,但是乱码和上述原因还不一样。

七、发生编码的地方:

1. 从数据库到java程序 byte——〉char

2. 从java程序到数据库 char——〉byte

3. 从文件到java程序 byte——〉char

4. 从java程序到文件 char——〉byte

5. 从java程序到页面显示 char——〉byte

6. 从页面form提交数据到java程序byte——〉char

7. 从流到java程序byte——〉char

8. 从java程序到流char——〉byte

可以使用配置过滤器的方法解决中文乱码的:

web-app>

filter>

filter-name>requestfilterfilter-name>

filter-class>net.golden.uirs.util.requestfilterfilter-class>

init-param>

param-name>charsetparam-name>

param-value>gb2312param-value>

init-param>

filter>

filter-mapping>

filter-name>requestfilterfilter-name>

url-pattern>*.jspurl-pattern>

filter-mapping>

web-app>

public void dofilter(servletrequest req, servletresponse res,

filterchain fchain) throws ioexception, servletexception {

httpservletrequest request = (httpservletrequest) req;

httpservletresponse response = (httpservletresponse) res;

httpsession session = request.getsession();

string userid = (string) session.getattribute("userid");

req.setcharacterencoding(this.filterconfig.getinitparameter("charset"));

// 设置字符集?

//实际上是设置了byte ——〉char的encoding

try {

if (userid == null || userid.equals("")) {

if (!request.getrequesturl().tostring().matches(

".*/uirs/logon/logon(controller){0,1}\\x2ejsp$")) {

session.invalidate();

response.sendredirect(request.getcontextpath() +

"/uirs/logon/logon.jsp");

}

}

else {

// 看看是否具有信息上报系统的权限

if (!net.golden.uirs.util.uirschecker.check(userid, "信息上报系统",

net.golden.uirs.util.uirschecker.action_do)) {

if (!request.getrequesturl().tostring().matches(

".*/uirs/logon/logon(controller){0,1}\\x2ejsp$")) {

response.sendredirect(request.getcontextpath() +

"/uirs/logon/logoncontroller.jsp");

}

}

}

}

catch (exception ex) {

response.sendredirect(request.getcontextpath() +"/uirs/logon/logon.jsp");

}

fchain.dofilter(req, res);

======================================================
在最后，我邀请大家参加新浪APP，就是新浪免费送大家的一个空间，支持PHP+MySql，免费二级域名，免费域名绑定 这个是我邀请的地址，您通过这个链接注册即为我的好友，并获赠云豆500个，价值5元哦！短网址是http://t.cn/SXOiLh我创建的小站每天访客已经达到2000+了，每天挂广告赚50+元哦，呵呵，饭钱不愁了，\(^o^)/