java 編碼研究感想
1、iso8859-1屬于單字節(jié)編碼,最多能表示的字符范圍是0-255,應(yīng)用于英文系列。比如,字母'a'的編碼為0x61=97。
很明顯,iso8859-1編碼表示的字符范圍很窄,無法表示中文字符。但是,由于是單字節(jié)編碼,和計(jì)算機(jī)最基礎(chǔ)的表示單位一致,所以很多時(shí)候,仍舊使用 iso8859-1編碼來表示。而且在很多協(xié)議上,默認(rèn)使用該編碼。比如,雖然"中文"兩個字不存在iso8859-1編碼,以gb2312編碼為例,應(yīng) 該是"[u]d6d0 cec4[/u]"兩個字符,使用iso8859-1編碼的時(shí)候則將它拆開為4個字節(jié)來表示:"[u]d6 d0 ce c4[/u]"(事實(shí)上,在進(jìn)行存儲的時(shí)候,也是以字節(jié)為單位處理的)。而如果是UTF編碼,則是6個字節(jié)"[u]e4 b8 ad e6 96 87[/u]"。很明顯,這種表示方法還需要以另一種編碼為基礎(chǔ)。
2、 GB2312/GBK
這就是漢子的國標(biāo)碼,專門用來表示漢字,是雙字節(jié)編碼,而英文字母和iso8859-1一致(兼容iso8859-1編碼)。其中g(shù)bk編碼能夠用來同時(shí)表示繁體字和簡體字,而gb2312只能表示簡體字,gbk是兼容gb2312編碼的。
3、 unicode
這是最統(tǒng)一的編碼,可以用來表示所有語言的字符,而且是定長雙字節(jié)(也有四字節(jié)的)編碼,包括英文字母在內(nèi)。所以可以說它是不兼容iso8859-1編碼 的,也不兼容任何編碼。不過,相對于iso8859-1編碼來說,uniocode編碼只是在前面增加了一個0字節(jié),比如字母'a'為"[u]00 61[/u]"。
需要說明的是,定長編碼便于計(jì)算機(jī)處理(注意GB2312/GBK不是定長編碼),而unicode又可以用來表示所有字符,所以在很多軟件內(nèi)部是使用unicode編碼來處理的,比如java。
4、UTF
考慮到unicode編碼不兼容iso8859-1編碼,而且容易占用更多的空間:因?yàn)閷τ谟⑽淖帜?,unicode也需要兩個字節(jié)來表示。所以 unicode不便于傳輸和存儲。因此而產(chǎn)生了utf編碼,utf編碼兼容iso8859-1編碼,同時(shí)也可以用來表示所有語言的字符,不過,utf編碼 是不定長編碼,每一個字符的長度從1-6個字節(jié)不等。另外,utf編碼自帶簡單的校驗(yàn)功能。一般來講,英文字母都是用一個字節(jié)表示,而漢字使用三個字節(jié)。
注意,雖然說utf是為了使用更少的空間而使用的,但那只是相對于unicode編碼來說,如果已經(jīng)知道是漢字,則使用GB2312/GBK無疑是最節(jié)省 的。不過另一方面,值得說明的是,雖然utf編碼對漢字使用3個字節(jié),但即使對于漢字網(wǎng)頁,utf編碼也會比unicode編碼節(jié)省,因?yàn)榫W(wǎng)頁中包含了很 多的英文字符。
5、如果我們以一種能表示中文的編碼格式(例如GBK、unicode)來保存中文到文件中,那么當(dāng)我們用properties load時(shí),只要load時(shí)的編碼格式(默認(rèn)8859-1)和你保存的文件的編碼格式相同,那么就不會出現(xiàn)亂碼。
6、之所以\u4F60這種形式支持國際化,是因?yàn)檫@種形式的內(nèi)容無論那種編碼都是支持的,當(dāng)我們用properties.getProperty()時(shí),這個方法會對key和value都進(jìn)行轉(zhuǎn)化一次,當(dāng)其碰見這種碼時(shí),它就把他轉(zhuǎn)化為unicode碼后返回。 所以,我們可以利用工具(例如:native2ascii )把.properties文件轉(zhuǎn)化成這種格式以方便我們支持國際化。
參考鏈接:
1、http://www.aygfsteel.com/beike/archive/2006/04/29/44038.html
2、http://tech.ccidnet.com/art/1077/20050704/279619_1.html
3、http://linux.chinaunix.net/bbs/archiver/tid-896583.html