Java中字符編碼格式詳解
一、前言
在分析Comparable和Comparator的時候,分析到了String類的compareTo方法,String底層是用char[]數(shù)組來存放元素,在比較的時候是比較的兩個字符串的字符,字符用char來存儲,此時,突然想到,Java里面的char可以存放中文嗎?后來發(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題。
二、Java存儲格式
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行存儲的呢?下面開始我們的分析。
三、探秘思路
1. 查看.class文件常量池的存儲格式
測試代碼如下
public class Test { public static void main(String[] args) { String str = "張"; } }
使用javap -verbose Test.class進行反編譯,發(fā)現(xiàn)常量池情況如下:
再使用winhex打開class文件,發(fā)現(xiàn)字符'張'在常量池的存儲如下
說明:上面兩張可以在class文件中是以utf-8的格式存儲的。
但是在運行時是否是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()); } }
運行結(jié)果:
5F20
說明:根據(jù)結(jié)果我們知道在運行時JVM是使用的utf-16格式進行存儲,utf-16一般是使用2個字節(jié)進行存儲,如果遇到兩個字節(jié)無法表示的字符則會使用4個字節(jié)表示。之后會另外有篇幅進行介紹,并且我們查看Character類源碼時,會發(fā)現(xiàn)就是使用的utf-16進行編碼的,從兩面都找到了我們想要的答案。
3. char類型可以存放中文嗎?
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utf-8進行編碼的,在JVM運行時則是以utf-16進行編碼存儲的。而字符'張'可以用兩個字節(jié)來表示,而char在Java中也是兩個字節(jié),故可以存放。
四、總結(jié)
經(jīng)過上面的分析,我們知道:
1. 字符在class文件中是以utf-8格式進行編碼的,而在JVM運行時是采用utf-16格式進行編碼的。
2. char類型是兩個字節(jié),可以用來存放中文。
在此次調(diào)用的過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,接下來會進行分享,所以特此預(yù)告下一篇將會進一步來介紹編碼以及編碼在Java中的問題。敬請期待
相關(guān)文章
SpringBoot框架集成token實現(xiàn)登錄校驗功能
這篇文章主要為大家詳細介紹了SpringBoot框架集成token實現(xiàn)登錄校驗功能,文中示例代碼介紹的非常詳細,具有一定的參考價值,感興趣的小伙伴們可以參考一下2019-08-08RabbitMQ?延遲隊列實現(xiàn)訂單支付結(jié)果異步階梯性通知(實例代碼)
這篇文章主要介紹了RabbitMQ?延遲隊列實現(xiàn)訂單支付結(jié)果異步階梯性通知,本文通過實例代碼給大家介紹的非常詳細,對大家的學(xué)習(xí)或工作具有一定的參考借鑒價值,需要的朋友可以參考下2022-02-02idea創(chuàng)建的idea項目時springframework出現(xiàn)紅色的原因和解決方法
當(dāng)使用 IntelliJ IDEA 創(chuàng)建 Spring Framework 項目時,springframework 出現(xiàn)紅色可能是因為相關(guān)的 Spring Framework 依賴沒有正確加載或項目的配置有問題,本文給大家介紹了一些常見的原因和解決方法,需要的朋友可以參考下2023-09-09