java中中文问题详解.docVIP

【java中 中文问题详解】 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 　　 public static ByteToCharConverter getDefault() ; 　　 public static ByteToCharConverter getConverter(String encoding); 　　如果你不指定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　　　　　--{ 　　　　　-- System.out.println(Integer.toHexString(c[i])); 　　　　　--} 　　　　　--打印出来是0x4F60 　　　　　--但是如果使用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　　　　　--{ 　　　　　-- System.out.println(Integer.toHexString(b[i])); 　　　　　--} 　　　　　　--打印出来是：0xC4,0xE3 　　　　　　----例２ 　　　　　　--如果用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? 　　--　　--　　　 　　--　　--例２：0x4F60的二进制： 　　--　　--　　　 0 1 0 0 1 1 1 1 0 1 1 0 0 0 0 0 　　--　　--　　　 我们用UTF-8补齐，变成： 　　--　　--　　　10111101　　--　　--