編碼表
編碼表:是一張由字符及其對應編碼的表
計算機只能識別二進制數據,早期由電信號演化而來。
爲了方便使用計算機,讓它可以識別各個國家的文字,就將各個國家的文字用數字來表示,並一一對應,形成一張編碼表。
常見編碼表
ASCII表
ASCII表:英國標準信息交換碼。用一個字節的7位來表示字符,還有一個符號位。
ISO8859-1表
ISO8859-1表:拉丁碼錶。歐洲碼錶。用一個字節的8位表示。不支持中文。
GB2312表
GB2312表:中國的中文編碼表。
GB 2312標準共收錄6763個漢字,其中一級漢字3755個,二級漢字3008個;同時,GB 2312收錄了包括拉丁字母、希臘字母、日文平假名及片假名字母、俄語西裏爾字母在內的682個全角字符。
但是!對於人名、古漢語等方面出現的罕用字,GB 2312不能處理,這導致了後來GBK及GB 18030漢字字符集的出現。
GBK表
GBK表:中國的中文編碼表 GB2312 的升級,融合了更多的中文文字符號。
GBK 總計 23940 個碼位,共收入 21886 個漢字和圖形符號,其中漢字(包括部首和構件)21003 個,圖形符號 883 個。
GB18030表
GB18030表:GBK的取代版本,也是中文目前的通用版本。
GB18030表:分爲兩個版本 GB18030-2000表 和 GB18030-2005表。
GB18030-2000收錄了27533個漢字,GB18030-2005收錄了70244個漢字。
BIG-5表
BIG-5碼:通行於臺灣、香港地區的一個繁體編碼方案,俗稱—–”大五碼”。
Unicode表
Unicode表:國際標準碼,融合了多種文字。
所有文字都用兩個字節來表示
Java語言使用的就是Unicode碼錶
UTF-8表
UTF-8表:最多用三個字節來表示一個字符。
UTF-8是 Unicode 的升級版。它定義了一種”區間規則”,這種規則可以和 ASCII 編碼保持最大程度的兼容:
它將Unicode編碼爲 00000000-0000007F的字符,用1字節來表示。
它將Unicode編碼爲 00000080-000007FF的字符,用2字節來表示。
它將Unicode編碼爲 00000800-0000FFFF的字符,用3字節來表示。
字符串的編碼與解碼
字符串編碼解碼介紹
字符串編碼:將看得懂的字符變成計算機能看懂的符號(人類看不懂)。
Java字符串編碼:
方法名稱 | 使用 |
---|---|
byte[] getBytes() |
使用當前平臺的默認字符集將此 String 編碼爲 byte 序列,並將結果存儲到一個新的 byte 數組中。 |
Java字符串解碼:
方法名稱 | 使用 |
---|---|
String String(byte[] bytes) |
通過使用當前平臺默認字符集,解碼指定的 byte 數組,構造一個新的 String。 |
其中當前平臺,指的是當前操作系統。
我的是WIN10系統,默認的是GBK編碼表。
字符串編碼解碼演示
public static void main(String[] args) {
// 使用GBK編碼,上面介紹過了,我的默認GBK
String str = "鋤禾日當午,汗滴禾下土";
byte[] bs = str.getBytes();
for (int i = 0; i < bs.length; i++) {
System.out.print(bs[i] + " ");
}
System.out.println();
// 使用GBK解碼
String newStr = new String(bs);
System.out.println(newStr);
}
//運行結果爲:
//-77 -6 -70 -52 -56 -43 -75 -79 -50 -25 44 -70 -71 -75 -50 -70 -52 -49 -62 -51 -63
//鋤禾日當午,汗滴禾下土
//其中每兩個負數組成一個漢字,由於我的逗號爲英文逗號,是44,可以刨除
//(-77 -6)鋤 (-70 -52)禾 ...
在 GBK 中,所有漢字被拆分成兩個字節,第一個字節肯定是負數,第二個字節不一定。所以用 new String(byte[] bytes)
解碼時,看到第一個是負數的字節,就自動將後面一個字節跟前面的字節,放到一起處理。
字符串亂碼問題
方法名稱 | 作用 |
---|---|
byte[] getBytes(String charsetName) |
使用指定編碼表去編碼 |
字符串亂碼演示:
public static void main(String[] args) {
try {
String str = "鋤禾日當午,汗滴禾下土";
byte[] bs = str.getBytes("Iso8859-1");
System.out.println(Arrays.toString(bs));
} catch (UnsupportedEncodingException e) {
e.printStackTrace();
}
}
//結果:
//[63, 63, 63, 63, 63, 44, 63, 63, 63, 63, 63]
//63在ASCII中對應'?'所以編碼失敗,因爲iso8859-1不支持中文!
//擴展1:iso不區分大小寫
//擴展2:異常名稱UnsupportedEncodingException:
// 不被支持的編碼名稱
// 也就是怕你把編碼名稱給寫錯了
public static void main(String[] args) {
try {
String str = "鋤禾日當午,汗滴禾下土";
//編碼 UTF-8
byte[] bs = str.getBytes("UTF-8");
System.out.println(Arrays.toString(bs));
//解碼 當前系統默認 GBK
String errorStr = new String(bs);
System.out.println(errorStr);
//解碼 我們來指定 UTF-8
String correctStr = new String(bs, "UTF-8");
System.out.println(correctStr);
} catch (UnsupportedEncodingException e) {
e.printStackTrace();
}
}
//結果:
//[-23, -108, -124, -25, -90, -66, -26, -105, -91, -27, -67, -109, -27, -115, -120, 44, -26, -79, -105, -26, -69, -76, -25, -90, -66, -28, -72, -117, -27, -100, -97]
//閿勭鏃ュ綋鍗?,奼楁淮紱句笅鍦?
//鋤禾日當午,汗滴禾下土
亂碼原因:
字符串編碼與解碼所依據的編碼表不一致!導致了碼錶轉換!統一解碼編碼表即可解決。