黑马程序员---字符编码

---------------------- ASP.Net+Android+IOS开发、.Net培训、期待与您交流！ ----------------------

 

转换流的字符编码：


字符流的出现为了方便操作字符。

更重要是的加入了编码转换。

通过子类转换流来完成。
InputStreamReader
OutputStreamWriter

还有两个能加入字符集的是：PrintStream & PrintWriter 它们两个只能打印，不能读取。

所以玩编码表还是以转化流为主。

在两个对象进行构造的时候可以加入字符集。

 

编码表的由来
计算机只能识别二进制数据，早期由来是电信号。
为了方便应用计算机，让它可以识别各个国家的文字。
就将各个国家的文字用数字来表示，并一一对应，形成一张表。
这就是编码表。

 

常见的编码表

ASCII：美国标准信息交换码。
用一个字节的7位可以表示。

ISO8859-1：拉丁码表。欧洲码表。（拉丁语系，意大利语，法语）
用一个字节的8位表示。最高位置1.

GB2312：中国的中文编码表。两个字节一个汉字。兼容ASCII，为了和ASCII不冲突，两个字节最高位都置1。汉字都是负数。
GBK：中国的中文编码表升级，融合了更多的中文文字符号。（②要么这种）

Unicode：国际标准码，融合了多种文字。
所有文字都用两个字节来表示,Java语言使用的就是unicode，char型

UTF-8：最多用三个字节来表示一个字符。（①做项目，要么这种）
......

 

 

转换流的编码应用
可以将字符以指定编码格式存储。
可以对文本数据指定编码格式来解读。
指定编码表的动作由构造函数完成。

import java.io.*;class EncodeStream {public static void main(String[] args) throws IOException{//writeFile();readFile();}public static void readFile()throws IOException{InputStreamReader isr = new InputStreamReader(new FileInputStream("UTF.txt"),"UTF-8");char[] ch  = new char[10];int len = 0;len=isr.read(ch);String s = new String(ch,0,len);System.out.println(s);}public static void writeFile()throws IOException{OutputStreamWriter osw = new OutputStreamWriter(new FileOutputStream("UTF.txt"),"UTF-8");osw.write("你好");osw.close();}}

 

字符编码

编码：字符串 --> 字节数组

字符串中：字符串 变 字节数组 的方法

 byte[]getBytes()
          使用平台的默认字符集将此 String 编码为 byte 序列，并将结果存储到一个新的 byte 数组中。 byte[]getBytes(Charset charset)
          使用给定的 charset 将此String 编码到 byte 序列，并将结果存储到新的 byte 数组。

 byte[]getBytes(String charsetName) throwsUnsupportedEncodingException
          使用指定的字符集将此 String 编码为 byte 序列，并将结果存储到一个新的 byte 数组中。如果指定的字符集不受支持 - UnsupportedEncodingException。

解码：字节数组 --> 字符串

使用字符串的构造方法就可以使 字节数组 变成 字符串。

构造方法摘要String(byte[] bytes,String charsetName)  throwsUnsupportedEncodingException
          通过使用指定的 charset 解码指定的 byte 数组，构造一个新的String。

如果指定的字符集不受支持 - UnsupportedEncodingException。

String(byte[] bytes)
          通过使用平台的默认字符集解码指定的 byte 数组，构造一个新的 String。String(byte[] bytes,Charset charset)
          通过使用指定的 charset 解码指定的 byte 数组，构造一个新的String。

 

将 数组中的内容 变成 字符串形式 （打印查看）：

java.util  类 Arrays

static StringtoString(boolean[] a)
          返回指定数组内容的字符串表示形式。static StringtoString(byte[] a)
          返回指定数组内容的字符串表示形式。static StringtoString(char[] a)
          返回指定数组内容的字符串表示形式。static StringtoString(double[] a)
          返回指定数组内容的字符串表示形式。static StringtoString(float[] a)
          返回指定数组内容的字符串表示形式。static StringtoString(int[] a)
          返回指定数组内容的字符串表示形式。static StringtoString(long[] a)
          返回指定数组内容的字符串表示形式。static StringtoString(Object[] a)
          返回指定数组内容的字符串表示形式。static StringtoString(short[] a)
          返回指定数组内容的字符串表示形式。

import java.util.*;class EncodeDemo {public static void main(String[] args) throws Exception{String s = "你好";byte[] by = s.getBytes("GBK");//编码System.out.println(Arrays.toString(by));//[-60, -29, -70, -61]String s1 = new String(by,"GBK");//解码System.out.println(s1);//你好}}

编码的时候指定了GBK，解码的时候指定成了欧洲码表ISO8859-1，可以再用错的编码表编码一次，然后再用对的码表解码就行。

（服务器那边一般使用ISO8859-1，所以这方法通用）

import java.util.*;class EncodeDemo {public static void main(String[] args) throws Exception{String s = "你好";byte[] by = s.getBytes("GBK");//编码表不能指定错了，如果指定成欧洲编码表就完了System.out.println(Arrays.toString(by));//[-60, -29, -70, -61]String s1 = new String(by,"ISO8859-1");//解码的时候指定错了,指定成了欧洲码表System.out.println(s1);//????//解决方案：可以再用错的编码表编码一次，然后再用对的码表解码就行byte[] by1 = s1.getBytes("ISO8859-1");System.out.println(Arrays.toString(by1));//[-60, -29, -70, -61]String s2 = new String(by1,"GBK");System.out.println(s2);//你好}}

 

编码的时候指定了GBK,解码指定了UTF-8，用编一次解一次是变不回去的。

import java.util.*;class EncodeDemo {public static void main(String[] args) throws Exception{String s = "你好";byte[] by = s.getBytes("GBK");//编码表不能指定错了，如果指定成欧洲编码表就完了System.out.println(Arrays.toString(by));//[-60, -29, -70, -61]String s1 = new String(by,"UTF-8");//编码的时候指定了GBK,解码指定成了UTF-8System.out.println(s1);//???//编码的时候指定了GBK,解码指定了UTF-8，用编一次解一次是变不回去的。byte[] by1 = s1.getBytes("UTF-8");System.out.println(Arrays.toString(by1));//[-17, -65, -67, -17, -65, -67, -17, -65, -67]String s2 = new String(by1,"GBK");System.out.println(s2);//锟斤拷锟?}}

import java.util.*;class EncodeDemo {public static void main(String[] args) throws Exception{String s = "哈哈";byte[] by = s.getBytes("GBK");//编码表不能指定错了，如果指定成欧洲编码表就完了System.out.println(Arrays.toString(by));//[-71, -2, -71, -2]String s1 = new String(by,"UTF-8");//编码的时候指定了GBK,解码指定成了UTF-8System.out.println(s1);//????//编码的时候指定了GBK,解码指定了UTF-8，用编一次解一次是变不回去的。byte[] by1 = s1.getBytes("UTF-8");System.out.println(Arrays.toString(by1));//[-17, -65, -67, -17, -65, -67, -17, -65, -67, -17, -65, -67]String s2 = new String(by1,"GBK");System.out.println(s2);//锟斤拷锟斤拷}}

造成这个错乱现象主要是因为GBK和UTF-8都支持中文造成的。

我们一般会接触到的码表是：GBK 和 UTF-8 和 ISO8859-1。

联通：

保存，关闭，然后再打开：

 

 你存联通的时候默认是GBK的，这两个字符4字节写进去了，当你在双击打开记事本这个应用程序的时候，解码出现问题。

点击文件-另存为：

 弹出对话框：

 我们发现它已经识别成UTF-8的编码了。

 

现在我们说说GBK 和 UTF-8 有什么特点：

同样是汉字，怎么区分什么时候使用2个字节编码，什么时候使用3个字节。

java.io 接口 DataInput 中：

 

import java.util.*;class EncodeDemo2 {public static void main(String[] args) throws Exception{String s = "联通";byte[] by = s.getBytes("GBK");//编码for(byte b : by){System.out.println(Integer.toBinaryString(b&255));//只取后8位}}}

对照UTF-8

我们发现它的编码形式与UTF-8一致：高字节以110开头，低字节以10开头。  "110 . . . . ."   "10 . . . . . ."   "110 . . . . ."   "10 . . . . . ."

记事本在编码的时候发现这个编码规律跟UTF-8的一致，直接就去查UTF-8码表了。

就因为联通哦这三个字的编码规律非常符合UTF-8的规律，别的字没有。

  

---------------------- ASP.Net+Android+IOS开发、.Net培训、期待与您交流！ ----------------------

详细请查看：http://edu.csdn.net