java字符串的各种编码转换.docx
《java字符串的各种编码转换.docx》由会员分享，可在线阅读，更多相关《java字符串的各种编码转换.docx（9页珍藏版）》请在冰点文库上搜索。
java字符串的各种编码转换
importjava.io.UnsupportedEncodingException;
/**
*转换字符串的编码
*/
publicclassChangeCharset{
/**7位ASCII字符，也叫作ISO646-US、Unicode字符集的基本拉丁块*/
publicstaticfinalStringUS_ASCII="US-ASCII";
/**ISO拉丁字母表No.1，也叫作ISO-LATIN-1*/
publicstaticfinalStringISO_8859_1="ISO-8859-1";
/**8位UCS转换格式*/
publicstaticfinalStringUTF_8="UTF-8";
/**16位UCS转换格式，BigEndian（最低地址存放高位字节）字节顺序*/
publicstaticfinalStringUTF_16BE="UTF-16BE";
/**16位UCS转换格式，Little-endian（最高地址存放低位字节）字节顺序*/
publicstaticfinalStringUTF_16LE="UTF-16LE";
/**16位UCS转换格式，字节顺序由可选的字节顺序标记来标识*/
publicstaticfinalStringUTF_16="UTF-16";
/**中文超大字符集*/
publicstaticfinalStringGBK="GBK";
/**
*将字符编码转换成US-ASCII码
*/
publicStringtoASCII（Stringstr）throwsUnsupportedEncodingException{
returnthis.changeCharset（str,US_ASCII）;
}
/**
*将字符编码转换成ISO-8859-1码
*/
publicStringtoISO_8859_1（Stringstr）throwsUnsupportedEncodingException{
returnthis.changeCharset（str,ISO_8859_1）;
}
/**
*将字符编码转换成UTF-8码
*/
publicStringtoUTF_8（Stringstr）throwsUnsupportedEncodingException{
returnthis.changeCharset（str,UTF_8）;
}
/**
*将字符编码转换成UTF-16BE码
*/
publicStringtoUTF_16BE（Stringstr）throwsUnsupportedEncodingException{
returnthis.changeCharset（str,UTF_16BE）;
}
/**
*将字符编码转换成UTF-16LE码
*/
publicStringtoUTF_16LE（Stringstr）throwsUnsupportedEncodingException{
returnthis.changeCharset（str,UTF_16LE）;
}
/**
*将字符编码转换成UTF-16码
*/
publicStringtoUTF_16（Stringstr）throwsUnsupportedEncodingException{
returnthis.changeCharset（str,UTF_16）;
}
/**
*将字符编码转换成GBK码
*/
publicStringtoGBK（Stringstr）throwsUnsupportedEncodingException{
returnthis.changeCharset（str,GBK）;
}
/**
*字符串编码转换的实现方法
*@paramstr待转换编码的字符串
*@paramnewCharset目标编码
*@return
*@throwsUnsupportedEncodingException
*/
publicStringchangeCharset（Stringstr,StringnewCharset）
throwsUnsupportedEncodingException{
if（str!
=null）{
//用默认字符编码解码字符串。
byte[]bs=str.getBytes（）;
//用新的字符编码生成字符串
returnnewString（bs,newCharset）;
}
returnnull;
}
/**
*字符串编码转换的实现方法
*@paramstr待转换编码的字符串
*@paramoldCharset原编码
*@paramnewCharset目标编码
*@return
*@throwsUnsupportedEncodingException
*/
publicStringchangeCharset（Stringstr,StringoldCharset,StringnewCharset）
throwsUnsupportedEncodingException{
if（str!
=null）{
//用旧的字符编码解码字符串。
解码可能会出现异常。
byte[]bs=str.getBytes（oldCharset）;
//用新的字符编码生成字符串
returnnewString（bs,newCharset）;
}
returnnull;
}
publicstaticvoidmain（String[]args）throwsUnsupportedEncodingException{
ChangeCharsettest=newChangeCharset（）;
Stringstr="Thisisa中文的String!
";
System.out.println（"str:
"+str）;
Stringgbk=test.toGBK（str）;
System.out.println（"转换成GBK码:
"+gbk）;
System.out.println（）;
Stringascii=test.toASCII（str）;
System.out.println（"转换成US-ASCII码:
"+ascii）;
gbk=test.changeCharset（ascii,ChangeCharset.US_ASCII,ChangeCharset.GBK）;
System.out.println（"再把ASCII码的字符串转换成GBK码:
"+gbk）;
System.out.println（）;
Stringiso88591=test.toISO_8859_1（str）;
System.out.println（"转换成ISO-8859-1码:
"+iso88591）;
gbk=test.changeCharset（iso88591,ChangeCharset.ISO_8859_1,ChangeCharset.GBK）;
System.out.println（"再把ISO-8859-1码的字符串转换成GBK码:
"+gbk）;
System.out.println（）;
Stringutf8=test.toUTF_8（str）;
System.out.println（"转换成UTF-8码:
"+utf8）;
gbk=test.changeCharset（utf8,ChangeCharset.UTF_8,ChangeCharset.GBK）;
System.out.println（"再把UTF-8码的字符串转换成GBK码:
"+gbk）;
System.out.println（）;
Stringutf16be=test.toUTF_16BE（str）;
System.out.println（"转换成UTF-16BE码:
"+utf16be）;
gbk=test.changeCharset（utf16be,ChangeCharset.UTF_16BE,ChangeCharset.GBK）;
System.out.println（"再把UTF-16BE码的字符串转换成GBK码:
"+gbk）;
System.out.println（）;
Stringutf16le=test.toUTF_16LE（str）;
System.out.println（"转换成UTF-16LE码:
"+utf16le）;
gbk=test.changeCharset（utf16le,ChangeCharset.UTF_16LE,ChangeCharset.GBK）;
System.out.println（"再把UTF-16LE码的字符串转换成GBK码:
"+gbk）;
System.out.println（）;
Stringutf16=test.toUTF_16（str）;
System.out.println（"转换成UTF-16码:
"+utf16）;
gbk=test.changeCharset（utf16,ChangeCharset.UTF_16LE,ChangeCharset.GBK）;
System.out.println（"再把UTF-16码的字符串转换成GBK码:
"+gbk）;
Strings=newString（"中文".getBytes（"UTF-8"）,"UTF-8"）;
System.out.println（s）;
}
}
------------------------------------------------------------------------------------------------------------------
java中的String类是按照unicode进行编码的，当使用String（byte[]bytes,Stringencoding）构造字符串时，encoding所指的是bytes中的数据是按照那种方式编码的，而不是最后产生的String是什么编码方式，换句话说，是让系统把bytes中的数据由encoding编码方式转换成unicode编码。
如果不指明，bytes的编码方式将由jdk根据操作系统决定。
当我们从文件中读数据时，最好使用InputStream方式，然后采用String（byte[]bytes,Stringencoding）指明文件的编码方式。
不要使用Reader方式，因为Reader方式会自动根据jdk指明的编码方式把文件内容转换成unicode编码。
当我们从数据库中读文本数据时，采用ResultSet.getBytes（）方法取得字节数组，同样采用带编码方式的字符串构造方法即可。
ResultSetrs;
bytep[]bytes=rs.getBytes（）;
Stringstr=newString（bytes,"gb2312"）;
不要采取下面的步骤。
ResultSetrs;
Stringstr=rs.getString（）;
str=newString（str.getBytes（"iso8859-1"）,"gb2312"）;
这种编码转换方式效率底。
之所以这么做的原因是，ResultSet在getString（）方法执行时，默认数据库里的数据编码方式为iso8859-1。
系统会把数据依照iso8859-1的编码方式转换成unicode。
使用str.getBytes（"iso8859-1"）把数据还原，然后利用newString（bytes,"gb2312"）把数据从gb2312转换成unicode，中间多了好多步骤。
从HttpRequest中读参数时，利用reqeust.setCharacterEncoding（）方法设置编码方式，读出的内容就是正确的了。
首先看一下下面的程序（测试英文和中文在Unicode、UTF-8、UTF-16这三种编码下，一个字符占几个字节）
System.out.println（"a（Unicode）：
"+"a".getBytes（"Unicode"）.length）;
System.out.println（"a（Unicode）：
"+"aa".getBytes（"Unicode"）.length）;
System.out.println（"啊（Unicode）：
"+"啊".getBytes（"Unicode"）.length）;
System.out.println（"啊啊（Unicode）：
"+"啊啊".getBytes（"Unicode"）.length）;
System.out.println（""）;
System.out.println（"a（UTF-8）：
"+"a".getBytes（"UTF-8"）.length）;
System.out.println（"aa（UTF-8）：
"+"aa".getBytes（"UTF-8"）.length）;
System.out.println（"啊（UTF-8）：
"+"啊".getBytes（"UTF-8"）.length）;
System.out.println（"啊啊（UTF-8）：
"+"啊啊".getBytes（"UTF-8"）.length）;
System.out.println（""）;
System.out.println（"a（UTF-16）：
"+"a".getBytes（"UTF-16"）.length）;
System.out.println（"aa（UTF-16）：
"+"aa".getBytes（"UTF-16"）.length）;
System.out.println（"啊（UTF-16）：
"+"啊".getBytes（"UTF-16"）.length）;
System.out.println（"啊啊（UTF-16）：
"+"啊啊".getBytes（"UTF-16"）.length）;
运行结果如下：
a（Unicode）：
4
a（Unicode）：
6
啊（Unicode）：
4
啊啊（Unicode）：
6
a（UTF-8）：
1
aa（UTF-8）：
2
啊（UTF-8）：
3
啊啊（UTF-8）：
6
a（UTF-16）：
4
aa（UTF-16）：
6
啊（UTF-16）：
4
啊啊（UTF-16）：
6
可以看到UTF-8的情况：
一个英文字符占一个字节，一个汉字占三个字节
但是Unicode和UTF-16的情况比较奇怪，不管是英文还是汉字，看不出占几个字节。
其实正确的答案是：
Unicode和UTF-16的编码下，不管是英文字符还是汉字字符，都占两个字节（至于上面结果中多出来的两个字节是用来表示字节顺序的默认字节）。
至于为什么，继续往下看。
Unicode规范中推荐的标记字节顺序的方法是BOM。
BOM不是“BillOfMaterial”的BOM表，而是ByteOrderMark。
（Unicode是一种字符编码方法，不过它是由国际组织设计，可以容纳全世界所有语言文字的编码方案。
Unicode的学名是"UniversalMultiple-OctetCodedCharacterSet"，简称为UCS。
UCS可以看作是"UnicodeCharacterSet"的缩写。
）
在UCS编码中有一个叫做"ZEROWIDTHNO-BREAKSPACE"的字符，它的编码是FEFF。
而FFFE在UCS中是不存在的字符，所以不应该出现在实际传输中。
UCS规范建议在传输字节流前，先传输字符"ZEROWIDTHNO-BREAKSPACE"。
这样如果接收者收到FEFF，就表明这个字节流是Big-Endian的；如果收到FFFE，就表明这个字节流是Little-Endian的。
因此字符"ZEROWIDTHNO-BREAKSPACE"又被称作BOM。
在Java中直接使用Unicode转码时会按照UTF-16LE的方式拆分，并加上BOM。
如果采用UTF-16拆分，在Java中默认采用带有BOM的UTF-16BE拆分。
再来看一个程序：
publicclassTest{
privatefinalstaticchar[]HEX="0123456789abcdef".toCharArray（）;
publicstaticvoidmain（String[]args）throwsUnsupportedEncodingException{
Stringstr="中国";
String[]encoding={"Unicode","UnicodeBig","UnicodeLittle","UnicodeBigUnmarked",
"UnicodeLittleUnmarked","UTF-16","UTF-16BE","UTF-16LE"};
for（inti=0;iSystem.out
.printf（"%-22s%s%n",encoding[i],bytes2HexString（str.getBytes（encoding[i]）））;
}
}
publicstaticStringbytes2HexString（byte[]bys）{
char[]chs=newchar[bys.length*2+bys.length-1];
for（inti=0,offset=0;iif（i>0）{
chs[offset++]='';
}
chs[offset++]=HEX[bys[i]>>4&0xf];
chs[offset++]=HEX[bys[i]&0xf];
}
returnnewString（chs）;
}
}
运行结果如下：
Unicodefeff4e2d56fd
UnicodeBigfeff4e2d56fd
UnicodeLittlefffe2d4efd56
UnicodeBigUnmarked4e2d56fd
UnicodeLittleUnmarked2d4efd56
UTF-16feff4e2d56fd
UTF-16BE4e2d56fd
UTF-16LE2d4efd56
可以看到几个不同的Unicode和UTF-16编码的字节顺序是不同的，有的是feff，有的是fffe，有的没有。
总上所述：
Unicode和UTF-16：
1个字符占2个字节（不管是哪国语言）
UTF-8：
1个英文字符占1个字节，一个汉字（包括日文和韩文等）占3个字节
Java中的char默认采用Unicode编码，所以Java中char占2个字节
另外，顺便提一个知识点：
1个字节（byte）占8位（bit）
升级会员 