This Domain(Admin5.com) is for Sale:

Java中文问题详解,底层编码解剖

时间:2007-12-27  来源:不详  作者:林子

预备知识:

1.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。 本文来自织梦




public static ByteToCharConverter getDefault() ;

public static ByteToCharConverter getConverter(String encoding);

假如你不指定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

我们来就一个简单的例子:

"你"的gb码是:0xC4E3 ,unicode是0x4F60

你用:



encoding="gb2312";

byte b[]={(byte)'\u00c4',(byte)'\u00E3'};

convertor=ByteToCharConverter.getConverter(encoding);

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

for(int i=0;i
{

***.out.println(Integer.toHexString(c[i]));

}

打印出来是0x4F60

但是假如使用8859_1的编码,打印出来是

0x00C4,0x00E3

例1

反过来:



encoding="gb2312";

char c[]={'\u4F60'};

convertor=ByteToCharConverter.getConverter(encoding);

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

for(int i=0;i
{

***.out.println(Integer.toHexString(b[i])); 织梦好,好织梦

}

打印出来是:0xC4,0xE3

例2

假如用8859_1就是0x3F,?号,表示无法转化 

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

2.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

我们还是用上面的例子

例1:0xC4E3的二进制:

1 1 0 0 0 1 0 0 1 1 1 0 0 0 1 1

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"?"

dedecms.com

看完这篇,您有何感觉呢?

文章评论

共有位Admini5网友发表了评论 查看完整内容

24小时热门信息