俊星的BLOG

統計

隨筆 - 50
文章 - 0
評論 - 6
引用 - 0

常用鏈接

留言簿(1)

隨筆分類

代碼庫(7) (rss)

隨筆檔案

搜索

閱讀排行榜

評論排行榜

JAVA字符編碼

測試代碼：

public static void main(String[] args) {

Locale.setDefault(Locale.US);

String str = "中G中";

String codes[] = { "iso8859-1", "utf-8", "utf-16", "unicode", "gbk", "gb2312" };

try {

System.out.println(str);

System.out.println("default code:" + System.getProperty("file.encoding"));

for (String s : codes) {

System.out.println(s + ": " + toHex(str.getBytes(s)));

}

} catch (UnsupportedEncodingException e) {

e.printStackTrace();

}

private static String toHex(byte[] buffer) {

StringBuffer sb = new StringBuffer(buffer.length * 3);

for (int i = 0; i < buffer.length; i++) {

sb.append(Character.forDigit((buffer[i] & 0xf0) >> 4, 16));

sb.append(Character.forDigit(buffer[i] & 0x0f, 16));

sb.append(" ");

}

return sb.toString();

}

輸出如下：

中G中

default code:GBK

iso8859-1: 3f 47 3f

utf-8: e4 b8 ad 47 e4 b8 ad

utf-16: fe ff 4e 2d 00 47 4e 2d

unicode: ff fe 2d 4e 47 00 2d 4e

gbk: d6 d0 47 d6 d0

gb2312: d6 d0 47 d6 d0

相關說明：
1、通過System.getProperty("file.encoding")獲取到當前JVM的默認字符編碼方式，如GBK
2、iso8859-1則是應用于英文和歐洲其他語言的單字節編碼字符集，“3f”其實對應就是“？”。
3、utf-8則是unicode編碼的一種轉換方式（Unicode Transformation Format），兼容于ASCII編碼，如對于中文則使用3個字節來存儲，對于英文使用一個字節存儲。
4、utf-16是unicode編碼的另一種轉換方式，每個直接都采用2個字節來存儲，所以不兼容于ASCII；
其中“fe ff”是Byte Order Mark（BOM）表示采用的編碼方式為utf-16。
5、此處的unicode輸出和utf-16本質相同，只不過大小尾序的問題導致單個字節輸出順序相反；
其中對于windows和linux平臺的utf-16默認采用小尾序（LE little Endion)，mac平臺采用大尾。
6、gbk和gb2312是中文字符集，對于每個字符均采用2個字節存儲，其中gbk兼容gb2312并且還可表示繁體。

關于存儲字節的計算，假設現在有N個中文和M個英文字符，則如下的計算方式（編碼方式：字節數）：
GBK：2*N+M
UTF-8：3*N+M
UTF-16：2*(N+M+1)
ISO8859-1：N+M

posted on 2009-05-26 00:12 俊星閱讀(221) 評論(0) 編輯收藏

新用戶注冊刷新評論列表


只有注冊用戶登錄后才能發表評論。




網站導航: 博客園 IT新聞 Chat2DB C++博客博問管理