java笔记27 编码表与编码转换

1.       编码表

1.1  字符流的出现为了发方便操作字符

        更重要的是加入了编码转换。

        编码转换可以通过子类转换流来完成，可以加入字符集

1.2  编码表

        计算机智能识别二进制数据，早起由来是电信号

        为了便于计算机识别各个国家的文字，就将各国文字用数字表示，并一一对应，形成了编码表。       

        常见编码表

        ASCII：美国标准信息交换码

                 用一个字节的7位表示

        ISO8859-1：拉丁码表  欧洲码表

                 用一个字节的8位表示

        GB2312:中国的中文编码表

                 用两个字节

        GBK：中文编码表升级，融合了更多的中文文字富豪

        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使用的就是Unicode

        UTF-8：最多用三个字节来表示一个字符

                 （增加了标识，节省空间）

                

        非常重要：开发时编码转换非常常见

       如果用utf-8编码区读gbk的文件，可以读出来，但是会乱码（未知字符）

        如果用GBK编码读取utf文件，也可以读出来，会多出一个字符

import java.io.*;
public class H_CodeTable {
    public static void main(String[] args) throws IOException {
        writeText();
        readText();//读出来是 浣犲ソ
    }
    public static void readText() throws IOException
    {
        InputStreamReader isr=new InputStreamReader(new FileInputStream("1-utf.txt"),"gbk");
        char[] buf=new char[1024];
        int len=0;
        while((len=isr.read(buf))!=-1)
        {
            System.out.println(new String(buf,0,len));
        }
        isr.close();
    }
    public static void writeText() throws IOException
    {
        OutputStreamWriter osw=new OutputStreamWriter(new FileOutputStream("1-utf.txt"),"utf-8");
        osw.write("你好");
        osw.close();       
    }  
}

2.       转换错误分析

2.1  编码：字符串编程字节数组

解码：字节数组编程字符串

         String-->byte[]  str.getBytes(charsetName);

         byte[]-->new String(byte[],charsetName);

2.2  "你好"的gbk编码和utf编码

 gbk[-60, -29, -70, -61]

utf[-28, -67, -96, -27, -91, -67]

所以当“你好”用utf编译的时候，得到了6个字节编码，再用GBK解码编程了3个字符。

解决方式：
        

import java.io.IOException;
import java.io.UnsupportedEncodingException;
import java.util.Arrays;
 
public class H_07CodeTrans {
    public static void main(String[] args) throws IOException {
        //编码   获得”你好“的gbk编码和utf编码
        String s="你好";
        byte[] b=s.getBytes();
        //byte[] b=s.getBytes("ISO8859-1");
        System.out.println("gbk"+Arrays.toString(b));
        byte[] b1=s.getBytes("utf-8");
        System.out.println("utf"+Arrays.toString(b1));     
       
        //解码
        String s1=new String(b1,"utf-8");
        //乱码已经产生   如何解决因为查表错误产生的乱码
        //利用原编码表获取编码
        //用正确的编码表解码    
        System.out.println(s1);//默认gbk
    }
}

结果：

gbk[-60, -29, -70, -61]

utf[-28, -67, -96, -27, -91, -67]

你好

3.       “联通”乱码问题

打开记事本输入“联通”，保存后再打开，显示乱码。

原因：

import java.io.IOException;
import java.io.UnsupportedEncodingException;
public class H_08Encode {
    public static void main(String[] args) throws IOException {
        String s="联通";
        byte[] by=s.getBytes("GBK");
        for(byte b:by)
        {
            System.out.println(Integer.toBinaryString(b&255));
        }  
    }
}

结果：

11000001

10101010

11001101

10101000

         正常应该是GBK编码，但是刚好符合了UTF-8的编码规则，因此被用UTF-8解码，产生乱码。