10.23 从 String.getBytes 理解 Java 编码和解码技术頭條網

10.23 从 String.getBytes 理解 Java 编码和解码

原码，补码，反码

因为原码，补码，反码比较简单，我这里粘贴一个例子进行展示。

Unicode 和 UTF-8 的关系

Uincode 是一个字符集。它规定了我们使用到的字或符号的码点（code point）。码点使用 16 进制保存。

Uincode 字符集规定一的码点为 4E00。

Uincode 字符集规定丁的码点为 4E01。

计算机呢只能识别二进制的 0 和 1。而 UTF-8 指的是编码规则，规定码点怎么保存成二进制。

还有别的 Unicode 编码规则，UTF-16 和 UTF-32。

上述表格简单描述了Unicode 按 UTF-8 编码的格式。

首先将 16 进制的码点，通过进制转换为十进制
然后使用十进制的数字查找上述表格处于哪个范围中，得出编码规则。
然后将码点转换为 2 进制，从低位到高位替换 x 即可得到字二进制的原码
将二进制的原码转换为补码存储。

java 内存中的字符串采用的是 unicode 编码，也就是内编码。我们可以从 unicode 转变为 GBK 或 UTF-8 等其它规则。

代码验证猜想

以赵为例子讲解。

赵的码点为：8D75

16 进制的码点转换为 10 进制：36213

36213 处于 2048-65535 ，得出对应的 UTF-8 编码格式为：1110xxxx 10xxxxxx 10xxxxxx

赵的 16 进制码点 8D75 转换为二进制 1000

将二进制填充在 1110xxxx 10xxxxxx 10xxxxxx 中的 x 中，不足的补 0.

11101000 10110101 10110101。

对三个字节分别求补码为：

原码：11101000 10110101 10110101

补码：10011000 11001011 11001011

补码对应 java 中的字节数组为：{-24,-75,-75}

@Test
public void run454() throws UnsupportedEncodingException {
 String str ="赵";
 final byte[] bytes = str.getBytes("UTF-8");
 StringBuilder stringBuilder =new StringBuilder();
 for (byte aByte : bytes) {
 stringBuilder.append(aByte).append(",");
 }
 System.out.println(stringBuilder.toString());
}

再加一个例子：

且的码点:4E14

16 进制的码点转换为 10 进制：19988

19988 处于 2048-65535 ，得出对应的 UTF-8 编码格式为：1110xxxx 10xxxxxx 10xxxxxx

16 进制的码点转换成二进制：100111000010100

原码：11100100 10111000 10010100

补码：10011100 11001000 11101100

补码对应的字节数组为：{-28,-72,-108}

@Test
public void run43() throws UnsupportedEncodingException {
 // {-28,-72,-108}
 String str ="且";
 final byte[] bytes = str.getBytes("UTF-8"); 

 StringBuilder stringBuilder =new StringBuilder();
 for (byte aByte : bytes) {
 stringBuilder.append(aByte).append(",");
 }
 System.out.println(stringBuilder.toString());
}

GBK 转码

赵的 GBK 码点为：D5D4 十六进制码点转换为二进制：11010101 11010100 源码：11010101 11010100 补码：10101011 10101100

补码对应的字节数组为：{-43,-44}

@Test
public void run454() throws UnsupportedEncodingException {
 String str ="赵";
 final byte[] bytes = str.getBytes("GBK");
 StringBuilder stringBuilder =new StringBuilder();
 for (byte aByte : bytes) {
 stringBuilder.append(aByte).append(",");
 }
 // -43,-44
 System.out.println(stringBuilder.toString());
}

JAVA 中乱码问题

java 字符或字符串采用 uincode 作为内编码。

@Test
public void run44() {
 String str="\\\\u0c2c";
// బ
 System.out.println(str);
// ✈
 System.out.println("\\\\u2708");
}

编码：字符串到字节。

解码：字节到字符串。

当我们读取文件的时候实际读取的是字节。然后根据文件的编码格式，将字节解码成字符串。乱码问题容易出现的地方就是这里。

不要妄想将一个乱码的字符串变成一个非乱码的。这个思路是错误的。应该从乱码之前的字节着手处理。

@Test
public void run100() throws UnsupportedEncodingException {
 String str = "张";
 final byte[] gbks = str.getBytes("GBK");
 final String s = new String(gbks, "UTF-8");
 System.out.println(s);
}

上述例子中的 s 已经乱码了，当你操作这个 s 获取字节也是乱码的。

因此思路是操作 gbks 转换解码方式获取字符串。

最后，我自己是一名从事了多年开发的JAVA老程序员，今年年初我花了一个月整理了一份最适合2019年学习的java学习干货，可以送给每一位喜欢java的小伙伴，想要获取的可以关注我的头条号并在后台私信我：[交流]即可免费获取。