Java是使用Unicode字符集的，意思是在內(nèi)存運行的時候是這樣的。當(dāng)Java源程序被編譯為.class文件的時候，是以UTF-8字符集存儲字符的。比如字符串"漢語"的Unicode字符為：0x49 6C ED 8B。在.class文件中則變成了：0xE6 B1 89 E8 AF AD 0D 0A。實際上如果用以下程序輸出“漢語”二個字的16進制字節(jié)序列：
String str = "漢語";
try{
byte[] b = str.getBytes("Unicode");
for(int i : b){
System.out.println(Integer.toHexString(i));
}
}catch(Exception ex){
ex.printStackTrace(); }
|
會發(fā)現(xiàn)，實際輸出的是 0xFE FF 6C 49 8B ED。多出來的0xFE FF，是Unicode字符串的BOM（Byte Order Mark）。但是為什么輸出的順序（0xFE FF 6C 49 8B ED）和文件中的順序不一致（0xFF FE 49 6C ED 8B）？
public byte[] getBytes(Charset charset) 使用指定的字符集將此 String 解碼為字節(jié)序列，并將結(jié)果存儲到一個新的字節(jié)數(shù)組中。如果不指定參數(shù)，則使用系統(tǒng)默認(rèn)的字符集，對于簡體中文系統(tǒng)一般為GBK。
看程序：
class EncodingExer
{
public static void main(String[] args)
{
String str = "漢語"; //GBK編碼為： 0xBABA 0xD3EF
byte[] b = str.getBytes();
for(int i : b){
System.out.println(Integer.toHexString(i)); //0xBA 0xBA 0xD3 0xEF
} }}
|
在這個過程中，由Unicode字符得到字符串“漢語”，然后解碼得到了GBK字節(jié)序列。與String.getBytes（）相對應(yīng)的是new String（byte[] bytes，Charset charset），它的作用是用字節(jié)序列生成字符串。如果想由剛才的GBK字節(jié)序列得到原來的字符串“漢語”，我們需要做的是：new String（b） 就可以了。將b按照GBK編碼得到字符串“漢語”，然后轉(zhuǎn)化為Unicode字符。如果是str.getBytes（"iso-8859-1"），那么還原的時候就是new String（b，"iso-8859-1"）。總之就是用什么方式編碼，就用什么方式解碼。
posted on 2009-05-06 20:11
Werther 閱讀(1472)
評論(4) 編輯 收藏 所屬分類:
10.Java