快捷導(dǎo)航

Java中字符編碼格式詳解

更新時(shí)間：2016年03月24日 08:56:00 作者：leesf

在java應(yīng)用軟件中，會(huì)有多處涉及到字符集編碼，有些地方需要進(jìn)行正確的設(shè)置，有些地方需要進(jìn)行一定程度的處理。本文主要給大家講解java中字符的編碼格式等相關(guān)問(wèn)題

一、前言

　　在分析Comparable和Comparator的時(shí)候，分析到了String類(lèi)的compareTo方法，String底層是用char[]數(shù)組來(lái)存放元素，在比較的時(shí)候是比較的兩個(gè)字符串的字符，字符用char來(lái)存儲(chǔ)，此時(shí)，突然想到，Java里面的char可以存放中文嗎？后來(lái)發(fā)現(xiàn)是可以的，并且由此也引出了Java中字符的編碼格式問(wèn)題。

二、Java存儲(chǔ)格式

　　在Java中，如下代碼獲取了字符'張'的各種編碼格式。

import java.io.UnsupportedEncodingException;
public class Test {
 public static String getCode(String content, String format) throws UnsupportedEncodingException {
  byte[] bytes = content.getBytes(format);
  StringBuffer sb = new StringBuffer();
  for (int i = 0; i < bytes.length; i++) {
   sb.append(Integer.toHexString(bytes[i] & 0xff).toUpperCase() + " ");
  }
  
  return sb.toString();
 }
 public static void main(String[] args) throws UnsupportedEncodingException {
  System.out.println("gbk : " + getCode("張", "gbk"));
  System.out.println("gb2312 : " + getCode("張", "gb2312"));
  System.out.println("iso-8859-1 : " + getCode("張", "iso-8859-1"));
  System.out.println("unicode : " + getCode("張", "unicode"));
　　　　System.out.println("utf-16 : " + getCode("張", "utf-16"));
  System.out.println("utf-8 : " + getCode("張", "utf-8"));
　　}
}

　　運(yùn)行結(jié)果：

gbk : D5 C5 
gb2312 : D5 C5 
iso-8859-1 : 3F 
unicode : FE FF 5F 20 
utf-16 : FE FF 5F 20 
utf-8 : E5 BC A0

　　說(shuō)明：從結(jié)果我們可以知道，字符'張'的gbk與gb2312編碼是相同的，unicode與utf-16編碼時(shí)相同的，但是其iso-8859-1、unicode、utf-8編碼都是不相同的。那么，在JVM中，字符'張'是按照哪種編碼格式進(jìn)行存儲(chǔ)的呢？下面開(kāi)始我們的分析。

三、探秘思路

　1. 查看.class文件常量池的存儲(chǔ)格式

　　測(cè)試代碼如下　　

public class Test {
 public static void main(String[] args) {
  String str = "張";  
 }
}

　　使用javap -verbose Test.class進(jìn)行反編譯，發(fā)現(xiàn)常量池情況如下：

　　再使用winhex打開(kāi)class文件，發(fā)現(xiàn)字符'張'在常量池的存儲(chǔ)如下

　　說(shuō)明：上面兩張可以在class文件中是以u(píng)tf-8的格式存儲(chǔ)的。

　　但是在運(yùn)行時(shí)是否是utf-8格式呢？繼續(xù)我們的探秘之旅。

　　2. 在程序中一探究竟

　　使用如下代碼　

public class Test { 
 public static void main(String[] args) {
  String str = "張";
  System.out.println(Integer.toHexString(str.codePointAt(0)).toUpperCase());
 }
}

　　運(yùn)行結(jié)果：

5F20

　　說(shuō)明：根據(jù)結(jié)果我們知道在運(yùn)行時(shí)JVM是使用的utf-16格式進(jìn)行存儲(chǔ)，utf-16一般是使用2個(gè)字節(jié)進(jìn)行存儲(chǔ)，如果遇到兩個(gè)字節(jié)無(wú)法表示的字符則會(huì)使用4個(gè)字節(jié)表示。之后會(huì)另外有篇幅進(jìn)行介紹，并且我們查看Character類(lèi)源碼時(shí)，會(huì)發(fā)現(xiàn)就是使用的utf-16進(jìn)行編碼的，從兩面都找到了我們想要的答案。

　　3. char類(lèi)型可以存放中文嗎？

　　根據(jù)上面的探索我們已經(jīng)知道了Java的class文件中字符是以u(píng)tf-8進(jìn)行編碼的，在JVM運(yùn)行時(shí)則是以u(píng)tf-16進(jìn)行編碼存儲(chǔ)的。而字符'張'可以用兩個(gè)字節(jié)來(lái)表示，而char在Java中也是兩個(gè)字節(jié)，故可以存放。

四、總結(jié)

　　經(jīng)過(guò)上面的分析，我們知道：

　　1. 字符在class文件中是以u(píng)tf-8格式進(jìn)行編碼的，而在JVM運(yùn)行時(shí)是采用utf-16格式進(jìn)行編碼的。

　　2. char類(lèi)型是兩個(gè)字節(jié)，可以用來(lái)存放中文。

　　在此次調(diào)用的過(guò)程中又查閱了好多關(guān)于字符方面的資料，受益匪淺，并且發(fā)現(xiàn)特別有意思，接下來(lái)會(huì)進(jìn)行分享，所以特此預(yù)告下一篇將會(huì)進(jìn)一步來(lái)介紹編碼以及編碼在Java中的問(wèn)題。敬請(qǐng)期待

您可能感興趣的文章: