快捷導(dǎo)航

IO流:java中解碼和編碼出現(xiàn)亂碼說明以及代碼實現(xiàn)方法

更新時間：2023年11月03日 11:10:59 作者：飛翔的佩奇

最近使用Java編寫一些讀取文件的小工具的時候,經(jīng)常與IO流打交道,但是自己對IO流的理解不是特別深刻,趁機整理下,這篇文章主要給大家介紹了關(guān)于IO流:java中解碼和編碼出現(xiàn)亂碼說明以及代碼實現(xiàn)的相關(guān)資料,需要的朋友可以參考下

一、UTF-8和GBK編碼方式

如果采用的是UTF-8的編碼方式，那么1個英文字母占 1個字節(jié)，1個中文占3個字節(jié)
如果采用GBK的編碼方式，那么1個英文字母占 1個字節(jié)，1個中文占2個字節(jié)

二、idea和eclipse的默認編碼方式

其實idea和eclipse的默認編碼方式是不一樣的哦。

idea默認的編碼方式是：UTF-8

eclipse默認采用的編碼方式是GBK

三、解碼和編碼方法

1、java中編碼的方法

public byte[] getBytes() 使用默認的編碼方式進行編碼
public byte[] getBytes(Charset charset) 使用指定方式進行編碼

2、java中解碼的方法

public String(byte bytes[]) 使用默認的方式進行解碼
public String(byte bytes[], String charsetName) 使用指的方式進行解碼

四、代碼實現(xiàn)

以下代碼demo均采用idea開發(fā)哦

編碼

1、使用默認的編碼方式進行編碼看下面這段代碼，請猜一猜數(shù)組中的元素有幾個？

package com.heima.demo;

import java.util.Arrays;

public class TestDemo {
    public static void main(String[] args) {
        String str = "dk你好";
        byte[] bytes = str.getBytes();
        System.out.println(Arrays.toString(bytes));
    }
}

你答對了嗎？數(shù)組中一共有8個元素，因為idea默認采用的編碼方式是utf-8，如果采用的是UTF-8的編碼方式，那么1個英文字母占 1個字節(jié)，1個中文占3個字節(jié)。我們看一下運行結(jié)果

[100, 107, -28, -67, -96, -27, -91, -67]

Process finished with exit code 0

如果使用指定的編碼方式GBK進行編碼呢？我們看一下代碼

public class TestDemo {
    public static void main(String[] args) throws UnsupportedEncodingException {
        String str = "dk你好";
        byte[] bytes = str.getBytes("gbk");
        System.out.println(Arrays.toString(bytes));
    }
}

答案是：數(shù)組元素一共有6個，因為采用的是GBK編碼方式，那么1個英文字母占 1個字節(jié)，1個中文占2個字節(jié)。

我們看一下運行結(jié)果

[100, 107, -60, -29, -70, -61]

Process finished with exit code 0

解碼

1、使用默認的方式進行解碼

package com.heima.demo;

import java.io.UnsupportedEncodingException;

public class TestDemo {
    public static void main(String[] args) throws UnsupportedEncodingException {
        String str = "dk你好";
        byte[] byte1 = str.getBytes();
        String res1 = new String(byte1);
        System.out.println(res1);
    }
}

運行結(jié)果如下：

dk你好

Process finished with exit code 0

如果給他加上指定編碼方式呢？

package com.heima.demo;

import java.io.UnsupportedEncodingException;

public class TestDemo {
    public static void main(String[] args) throws UnsupportedEncodingException {
        String str = "dk你好";
        byte[] byte1 = str.getBytes();
        String res1 = new String(byte1,"gbk");
        System.out.println(res1);
    }
}

運行結(jié)果

dk浣犲ソ

Process finished with exit code 0

我們發(fā)現(xiàn)有亂碼產(chǎn)生。那為什么呢？因為編碼的時候，采用的是默認的utf-8方式，所以解碼的時候，也需要使用utf-8進行解碼，如果使用gbk就會產(chǎn)生亂碼。因為utf-8和gbk對中文所占的字節(jié)數(shù)是不一樣的。

如果采用的是UTF-8的編碼方式，那么1個英文字母占 1個字節(jié)，1個中文占3個字節(jié)
如果采用GBK的編碼方式，那么1個英文字母占 1個字節(jié)，1個中文占2個字節(jié)

五、額外知識擴展

1、什么是字符集？字符集顧名思義，就是用來裝多個字符的集合。不同的字符集中字符的個數(shù)是不同的，包含的字符也是不同的，甚至對于字符的編碼格式也是不同的。

2、什么是字符編碼？計算機中存儲信息都是以二進制數(shù)表示的，而我們在電腦屏幕上看到的文字、數(shù)字、英文、標點符號等都是將二進制數(shù)轉(zhuǎn)換過后的結(jié)果，按照某種規(guī)則，將計算機中的二進制數(shù)與某個抽象字符集合一一對應(yīng)，這就是字符編碼。

3、ASCII字符集ASCII 全稱（American Standard Code for Information Interchange）美國信息交換標準代碼，它是基于拉丁字母的一套電腦編碼系統(tǒng)，其最初在創(chuàng)建的時候主要是為了顯示英語以及一些西歐語言，是國際通用的信息交換使用標準碼。ASCII使用了7位二進制來表示128個字符和符號，目前已經(jīng)停止更新。

4、Unicode字符集ASCII字符集只包含了128個字符，對于全世界的所有語言來說，并不能容納下世界上所有的語言。所以Unicode字符集出現(xiàn)了。
Unicode又被稱為統(tǒng)一碼、萬國碼，是國際組織制定的用來容納全世界字符的編碼方案。是的，確切的說Unicode是一種編碼方案，以實現(xiàn)跨語言、跨平臺的文本處理、轉(zhuǎn)換的要求。

但是Unicode只是一種字符與二進制數(shù)之間的一種邏輯映射編碼，它并沒有指定在計算集中應(yīng)該如何的進行存儲。所以此時就需要一種編碼格式用來指定Unicode字符集中的字符是如何進行編碼的。

在Unicode官方資料中，Unicode編碼方式有三種：UTF-8、UTF-16、UTF-32，而其中UTF-8編碼成為了現(xiàn)今互聯(lián)網(wǎng)使用較多的編碼方式。

5、GB2312GB2312編碼是第一個漢字編碼國家標準，于1980年由中國國家標準總局發(fā)布。其中共收錄了漢字6763個。但是由于我國的漢字非常多，GB2312收錄的漢字不夠用了，所以GBK誕生了。GBK包含了GB2312的所有內(nèi)容的同時還新增了20000多新的漢字，對于一些日常需求已經(jīng)為完全夠用了。