黑马程序员——字符编码以及字符联通
来源:互联网 发布:免费一级域名申请 编辑:程序博客网 时间:2024/06/04 18:55
1. 字符编码和解码
在Java中,字符编码指的是:将字符串转换成字节数组,转换的方法是通过方法getByte()实现的,该方法可以指定编码表,也可以不指定,不指定编码表则使用默认的编码表。下面,我们将通过字符编码和解码,解决如何给字符编码以及解码。
1.1 字符编码
下面的例子,将中文字符进行编码,并指定编码表。控制台的输出结果为:
-60, -29, -70, -61,
-28, -67, -96, -27, -91, -67,
从输出结可以知道,GBK编码的中文字符,一个字符占两个字节。UTF-8编码的中文字符,一个字符占3个字节。
package com.itheima.entranceExam.blog;import java.io.IOException;public class encodeTest {public static void main(String[] args) throws IOException {String s = "你好";//编码:将字符串变成字节数组,指定编码表为GBKbyte[] b1 = s.getBytes("GBK");//编码:将字符串变成字节数组,指定编码表为UTF-8byte[] b2 = s.getBytes("UTF-8");//遍历字节数组中的元素for(byte b : b1) {System.out.print(b+", ");}System.out.println();//遍历字节数组中的元素for(byte b : b2) {System.out.print(b+", ");}}}
1.2 解码
下面我们对1.1节中编码的中文字符进行解码,解码就是将字符转成的字节数组,从新转换成原来的字符。解码时可以指定编码表也可以不指定,不指定编码表则使用默认是编码表。
package com.itheima.entranceExam.blog;import java.io.IOException;public class encodeTest {public static void main(String[] args) throws IOException {String s1 = "你好";//编码,指定编码表为GBKbyte[] b1 = s1.getBytes("GBK");//解码,指定编码表为GBKString s2 = new String(b1, "GBK");System.out.println(s2);//输出"你好",没有乱码}}
1.3 编码表不一致导致的问题
注意:当我们编码使用的编码表和解码使用的编码表不一致时,则会出现乱码。下面的例子编码时使用的编码表是UTF-8,而解码使用到编码表是GBK。将字符串"你好"使用UTF-8进行编码,解码时使用GBK,为什么输出结果是三个中文字符"浣犲ソ"?下面我们通过图片来分析:UTF-8编码中文字符串"你好",这两个中文字符串变成6个字节的字节数组。解码时使用GBK编码表,GBK编码表将字节数组中的,每两个联系的字节数组变成一个中文字符,长度为6的字节数组就变成3个中文字符,所以下面例子的2个中文字符解码后,会出现3个中文字符。
代码:
package com.itheima.entranceExam.blog;import java.io.IOException;public class encodeTest {public static void main(String[] args) throws IOException {String s1 = "你好";//编码,指定编码表为UTF-8byte[] b1 = s1.getBytes("UTF-8");//解码,指定编码表为GBKString s2 = new String(b1, "GBK");System.out.println(s2);//输出"浣犲ソ"}}
1.4 解决乱码问题
当编码和解码使用的编码表不一致时,会出现乱码,出现乱码该如何解决呢?
下面的例子演示:编码时使用GBK编码表,解码时使用ISO8859-1编码表,致使出现乱码,如何解决乱码吗?
下面结合图片进行说明(代码也在下面):
出现乱码的应用是,GBK编码表中一个中文字符对应两个字节数组数据,ISO8859-1是拉丁码表和欧洲码表,ISO8859-1编码表一个二进制的字节数组数据对应一个字符。所以两个中文字符GBK编码后,再使用ISO8859-1解码时会出现4个字符的乱码。解决该乱码的步骤是:
1. 将ISO8859-1解码后返回的字符串进行ISO8859-1编码,编码后返回字节数组。
2. 将上面的字节数组进行GBK解码,就能获得原来的中文字符了。
注意:编码使用GBK,解码使用UTF-8。为了解决乱码,二次编码如果使用UTF-8,解码使用GBK时,会出现问题,所以上面的方案不是在任何编码中都可以使用的。
代码:
package com.itheima.entranceExam.blog;import java.io.IOException;public class encodeTest {public static void main(String[] args) throws IOException {String s = "你好";//编码,使用GBK编码表byte[] b1 = s.getBytes("GBK");//解码,使用ISO8859-1编码表String s1 = new String(b1,"ISO8859-1");//下面一行输出结果为:ÄãºÃ,出现乱码,因为编码和解码使用的编码表不同System.out.println(s1);//下面分析如何解决乱码问题//1. 将ISO8859-1解码获得的字符串s1,使用ISO8859-1编码表进行再编码,返回字节数组byte[] b2 = s1.getBytes("ISO8859-1");//2. 将字节数组使用GBK字符集进行解码String s2 = new String(b2, "GBK");//输出结果:你好,乱码问题解决了System.out.println(s2);}}
2. 字符联通
2.1 字符联通问题
新建一个文本文件,在该文本文件中输入“联通”两个字符,保存并关闭文本文件。重新打开文本文件,发现文本文件中出现了乱码,如下图。
这是为什么呢?因为输入“联通”字符时,使用的是系统默认的中文编码表GBK,而文本文件是一个应用程序,它默认使用的是UTF-8编码,所以再次打开时会出现乱码。
所有当保存文本文件时,选择另存为UTF-8编码方式,就不会出现乱码了。2.2 GBK和UTF-8编码识别原理
GBK编码的中文,2个字节代表一个中文。UTF-8编码的中文,3个字节代表一个中文。不论是GBK还是UTF-8,中文对应的编码都是负数,既然都是负数,那么怎么知道只读3个字节或者只读2个字节作文中文呢?
下面通过图片分析:
转换流读取方法是一次读取一个字节,两个字节变成一个中文字符。而FileReader的read方法是一次读取两个字节,返回一个中文。但是如果数据是UTF-8编码出来的数据,使用GBK解码时会出现乱码。而且在UTF-8编码表中,有可能2个字节代表一种字符,有可能3个字节代表一个中文。那如何知道读取两个字节还是3个字节呢?
其实UTF-8的编码表都添加一个标识头信息。根据该标识头信息,就知道一次读取1个字节,还是2个字节或者是3个字节。在IO包下的DataInputStream下有UTF-8标志头说明信息,下面一节讲解UTF-8的格式,来说明标志头信息的作用。
2.3 UTF-8编码格式
在IO包下找到DataInputStream,找到UTF-8修改版,就可以看到UTF-8的格式信息,如下。
一个字节代表一个字符:一个字节的8位数据中,头尾数据为0,表示该一个字节代表一个字符,如下图:
两个字节代表一个字符:第一个字节的前3位是110,第2个字节的前2位是10,说明两个字节代表一个字符,如下图:
三个字节代表一个字符:第1个字节的前4位是1110,第2个字节的前2位是10,第3个字节的前2位是10,说明三个字节代表一个字符。如下图:
2.4 分析UTF-8的编码格式以及“联通”问题产生的原因
下面我们通过代码例子,分析2.3节中的UTF-8的编码格式,并且分析2.1节中字符联通问题产生的原因。
package com.itheima.entranceExam.blog;import java.io.IOException;public class encodeTest {public static void main(String[] args) throws IOException {String s = "联通";//GBK编码byte[] buf = s.getBytes("GBK");//变量字节数组for(byte b : buf) {//&255 是为了去掉前面的数据,只保留后面8位二进制数据,因为一个字节占8为System.out.println(Integer.toBinaryString(b&255));}}}代码输出结果为:
11000001
10101010
11001101
10101000
下面通过图片分析该输出结果的中隐含的UTF-8编码格式,已经字符联通问题原因:
分析字符联通产生的原因:
上面代码中,中文字符使用GBK编码,但是编码后的的二进制数据正好和UTF-8格式吻合:第1个字节110开头,说明两个字节代表一个字符(110打头的代表第1个字节,10打头的代表第2个字节)。所以文本编辑器把这些字符("联通")去查UTF-8编码表,解码成了UTF-8对应的字符,所以显示的结果会出现问题。这就是2.1节问题产生的原因。
如果在文本文件中输入中文"你联通",保存文本文件并关闭。再次打开后,就不会出现2.1那样的问题,因为中文"你"在编码表中对应的二进制数据不符合UTF-8的格式,所以编辑器使用GBK解码,后面的"联通"当然也使用GBK解码,所以不会出现2.1的问题:- 黑马程序员——字符编码以及字符联通
- 字符编码以及字符联通
- 黑马程序员—字符编码问题
- 黑马程序员:字符编码
- 黑马程序员-字符编码
- 黑马程序员---字符编码
- 黑马程序员:字符编码
- 黑马程序员_IO流——字符编码
- 黑马程序员_字符编码
- 黑马程序员_字符编码
- 黑马程序员:字符编码介绍
- 黑马程序员_字符编码
- 黑马程序员-字符流编码
- 黑马程序员_字符编码
- 黑马程序员-day23字符编码
- 字符编码-联通
- 黑马程序员—对象的序列化和字符编码以及21天视频中其他知识总结
- 黑马程序员训练营:字符编码
- Direct3D提高篇之:HLSL编程实现PhotoShop滤镜效果
- Java EL函数库
- 各大型网站架构分析收集
- 与建一的讨论
- HLSL实现镜面反射光照模型
- 黑马程序员——字符编码以及字符联通
- JQuery---长度超出显示省略号
- HLSL实现环境光光照模型
- hdu 3336 Count the string
- HLSL实现漫反射光照模型
- 一张图让你一窥计算机编程世界
- linux下远程桌面客户端Remmina
- Skinned Mesh 原理解析和一个最简单的实现示例
- 关系代数