JAVA里字符编码的探索与理解

今天终于把JAVA里一个比较头痛的问题——字符编码弄清晰了，所以写一 篇文章来纪念一下，也为大家提供一点自己的心得。

众所周知，JAVA为了国际通用，用的是UNICODE来保存里面的字符。而UNICODE只是一 个种字符集，字符的存储和表示要用到一定的字符编码格式，而与UNICODE对应的字符编 码格式就是我们常看到的UTF-8,UTF-16等等，而UTF-8是最常用的，所以人们常常把它和 UNICODE等同起来(我以前就是这样的)，这在某些情况下是没有错的，但这样的理解在 JAVA里就会产生一些混淆。我们用下面的程序来演示一下。

定义一个字符串

String name = "堂";

这个字符串就一个字符，把它取出来

char c_name = name.charAt(0);

JAVA里的char型是十六位的(两个字节)，但是如果是用UTF-8的话可能会不只两位 (UTF-8是变长存储的)，那看来JAVA本身并不是用UTF-8来保存的，口说无凭，做个实验吧 。

首先看看char里保存的内容

int　low　=　(c_name)　&　0xff;//取c_name的低位 int　high　=　(c_name　>>　8)　&　0xff;//取c_name的高位 System.out.println(Integer.toHexString(high)　+　"　"　+　 Integer.toHexString(low));

结果是58 02

只有两个字节而已(16位)，那么真正的UTF-8编码的内容是什么呢，再看看吧。

为了方便，我写了一个辅助方法printbyte，作用是把一个byte数组的每个元素按照十 六进制格式打印出来，同样为了方便，我把它作为静态方法。

　public　static　void　printbyte(byte[]　bt) { for　(int　i　=　0;　i　<　bt.length;　i++) { int　hex　=　(int)bt[i]　&　0xff; System.out.print(Integer.toHexString(hex)　+　"　"); } System.out.println("　length　=　"+bt.length); } byte[]　utf_8　=　name.getBytes("utf-8"); printbyte(utf_8);

结果是e5 a0 82 length = 3

哇，三个字节!看来JAVA内部用的真不是UTF-8，那用的是什么呢?UTF-16?看一下便知 。

byte[]　utf_16　=　name.getBytes("utf-16"); printbyte(utf_16);

结果是fe ff 58 02 length = 4，靠，四个字节了。咦?后面的低16位不正是和开始 c_name的十六进制表示一样的吗?看来JAVA真正的内部字符编码和UTF-16有或多或少的联 系。JAVA内部究竟是用的什么字符编码呢?这个问题我也找了很久，后来在THINK IN JAVA 3rd的12章里看到一个例子出现了UTF-16BE，难道是它?

byte[]　utf_16be　=　name.getBytes("utf-16be"); printbyte(utf_16be); 结果出来了：58　02　length　=　2

哈哈，I got it!不多不少两个字节，内容也一样。果然是它。同时我在里面也看到， UNICODE的编码还有一个LE，这里的BE,LE我想应该是bigendian和littleendian吧。

凌众科技专业提供服务器租用、服务器托管、企业邮局、虚拟主机等服务，公司网站：http://www.lingzhong.cn 为了给广大客户了解更多的技术信息，本技术文章收集来源于网络,凌众科技尊重文章作者的版权，如果有涉及你的版权有必要删除你的文章，请和我们联系。以上信息与文章正文是不可分割的一部分,如果您要转载本文章,请保留以上信息，谢谢!