Java 字元編碼與解碼

1、字元編碼的發展歷程

①、ascii 碼

因為計算機只認識數字，所以我們在計算機裡面的一切資料都是以數字來表示，因為英文本元有限，所以規定使用的位元組的最高位是 0，每乙個位元組都是以 0-127 之間的數字來表示。比如 a 對應 65，a 對應 97。這便是美國標準資訊交換碼，ascii

string str = new string("aa");
byte strascii = str.getbytes("ascii");
system.out.println(arrays.tostring(strascii));//[65, 97]

②、gb2312 碼

隨著計算機在全球的普及，很多國家和地區都把自己的字元引入了計算機，比如漢字。此時發現乙個位元組能表示的數字範圍太小，不能包含所有的中文漢字。那麼就規定使用兩個位元組來表示乙個漢字。

規定：原有的 ascii 字元的編碼保持不變，仍然使用乙個位元組表示，為了區別乙個中文字元與兩個 ascii 碼字元相區別。中文字元的每個位元組最高位規定為 1（即中文的二進位制是負數），這便是 gb2312 編碼

string str = new string("aa帥鍋");
byte strascii = str.getbytes("gb2312");
system.out.println(arrays.tostring(strascii));//[65, 97, -53, -89, -71, -8]

③、gbk

由於中國漢字太多，在 gb2312 的基礎上增加了更多的中文字元，這種編碼是 gbk

解決辦法：為了解決各個國家因為本地化字元編碼帶來的影響，就把全世界所有的字元統一進行編碼---unicode 編碼

此時某乙個字元在全世界任何地方顯示都是固定的，比如漢字哥，在任何地方都是以十六進製制 54e5 來表示。

unicode 的字元編碼都占有兩個位元組

④、utf-8

是一種針對 unicode 的可變長度字元編碼，又稱為萬國碼，是 unicode 的實現方式之一。編碼中的第乙個位元組仍與 ascii 相容，這使得原來處理 ascii 字元的軟體無須或只需做少部分修改，即可繼續使用。因此，它逐漸成為電子郵件、網頁及其他儲存或傳送文字的應用中，優先採用的編碼。網際網路工程工作小組（ietf）要求所有網際網路協議都必須支援 utf-8 編碼

string str = new string("aa帥鍋");
byte strascii = str.getbytes("utf-8");
system.out.println(arrays.tostring(strascii));//[65, 97, -27, -72, -123, -23, -108, -123]

儲存字母、數字：無論什麼字符集都占有 1 個位元組

儲存漢字：gbk 家族占有 2 個位元組。utf-8 占有 3 個位元組

不能使用單位元組的字符集（ascii/iso-8859-1）來儲存中文

2、字元的編碼和解碼

資訊在計算機網路中傳輸是以位元組的形式。那麼如何變為位元組？這就是編碼的過程。那麼計算機接收了這個編碼，如何讓使用者認識呢？那必須要將位元組轉換為人所識別的字串形式，這就是解碼的過程。

編碼：將字串轉換為 byte 陣列

解碼：把 byte 陣列轉換為字串

注意：①、編碼格式和解碼格式必須一致，否則亂碼

string str = new string("aa帥鍋");
//編碼操作
byte strbyte = str.getbytes("gbk");
system.out.println(arrays.tostring(strbyte));//[65, 97, -53, -89, -71, -8]
//解碼操作 
//注意編碼的字符集和解碼的字符集格式必須一致（是其擴充套件字符集也可以），否則會亂碼
//第一種：編碼格式為 gbk，解碼格式為 iso-8859-1 那麼就會亂碼
string str2 = new string(strbyte,"iso-8859-1");
system.out.println(str2); //aa?§??
//第二種：編碼和解碼格式一致
string str3 = new string(strbyte,"gbk");
system.out.println(str3); //aa帥鍋

②、有時候編碼為和解碼格式一致了，但是還是亂碼，這是因為在資料在傳輸過程中經過伺服器的處理，而這個伺服器可能是外國人編寫的，那麼就會將資料轉換為別的字元格式，那麼你如果還是直接轉為自己想要的格式是會亂碼的。

解決辦法：先獲取經過伺服器之後的資料還原編碼，然後在進行解碼

string str = new string("aa帥鍋");
//編碼操作
byte strbyte = str.getbytes("utf-8");
system.out.println(arrays.tostring(strbyte));//[65, 97, -27, -72, -123, -23, -108, -123]
//中間經過了伺服器的傳輸，編碼格式轉成了 iso-8859-1
string str2 = new string(strbyte,"iso-8859-1");
//解碼操作 ,此時如果直接進行解碼，那麼會亂碼
string str3 = new string(str2.getbytes(),"utf-8");
system.out.println(str3); //aa???????
//對於上面的亂碼，我們必須先還原伺服器之前的編碼格式，然後在進行解碼。那麼就不會亂碼
byte strbyte2 = str2.getbytes("iso-8859-1");
string str4 = new string(strbyte2,"utf-8");
system.out.println(str4); //aa帥鍋

Java 字元編碼與解碼

字元編碼與解碼

Java 字符集，編碼解碼

字元的編碼與解碼

Java 字元編碼與解碼

字元編碼與解碼

Java 字符集，編碼 解碼

字元的編碼與解碼

相關推薦

Java 字符集，編碼解碼