|
1
2
3
4
5
6
|
public static void main(String[] args) { System.out.printf("The max value of type char is %d.%n", (int)Character.MAX_VALUE); System.out.printf("The min value of type char is %d.%n", (int)Character.MIN_VALUE);} |
運行上面的程序，輸出
The max value of type char is 65535.
The min value of type char is 0.
說明char的範圍從0到65535，那麼正好是兩個字節所能表示的範圍(65535十六進制就是0xFFFF，一個字節能表示0~0xFF，兩個字節能表示0~0xFFFF)，所以說一個char佔兩個字節。
那麼char的值到底是什麼呢？比如當我這樣寫char c = '放';
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
|
public static void main(String[] args) throws Exception { char c = '放'; System.out.printf("The value of char %c is %d.%n", c, (int)c); String str = String.valueOf(c); byte[] bys = str.getBytes("Unicode"); for (int i = 0; i < bys.length; i++) { System.out.printf("%X ", bys[i]); } System.out.println(); int unicode = (bys[2] & 0xFF) << 8 | (bys[3 & 0xFF]); System.out.printf("The unicode value of %c is %d.%n", c, unicode);} |
運行輸出：
The value of char 放 is 25918.
FE FF 65 3E
The unicode value of 放 is 25918.
首先你看到，這個char的值是25918，那他是什麼呢？先不管它，接着我把這個char放在一個String裏，並進行Unicode編碼，得到四個字節FE FF 65 3E，前面兩個實際上與內容無關，是BOM，即字節序標識，FE FF表示是Big Endian，也就是高位在前，低位在後，所以按照這個規則，講653E轉換爲10進制int，發現最後輸出25918，也就是這個字符的Unicode值是25918，所以你現在知道一個char到底存儲的是什麼了吧。
至於GBK，UTF-8，UTF-16的關係，我先拋開GBK，因爲它有點特殊。
首先你要知道UTF-8和UTF-16還有UTF-32是爲了方便傳輸和存儲的而產生的對Unicode字符的編碼方式。
先說UTF-8，隨着全球化Unicode流行起來，不管你做什麼，支持Unicode都將是潮流，就算你可能永遠也用不到，但這對西方國家就不太好，因爲以前ASCII字符集，一個字符只需要一個字節，而現在用Unicode一個英文字母也需要兩個字節，如果需要傳輸和存儲，那會浪費一半的空間或流量，所以就想出了一種變長編碼方式，那就是UTF-8，它對ASCII字符集內的字符，只用一個字節編碼，而其他字符按照一定規則進行兩、三、四字節編碼，具體規則是：
Unicode編碼(十六進制) UTF-8 字節流(二進制)
000000 - 00007F 0xxxxxxx
000080 - 0007FF 110xxxxx 10xxxxxx
000800 - 00FFFF 1110xxxx 10xxxxxx 10xxxxxx
010000 - 10FFFF 11110xxx 10xxxxxx 10xxxxxx 10xxxxxx
但這樣做一些東方國家不幹了，因爲他們的字符基本都是在000800 - 00FFFF這個區間，用UTF-8反倒要多用一個字節，總共需要三個字節才能表示，而且用UTF-8處理他們的字符，不能直接轉換，需要做一些運算，以‘放’爲例，它的Unicode碼是25918，二進制表示是0110010100111110，如果要轉成UTF-8，首先取高四位0110，和1110拼接，組成11100110，然後中間六位010100，與10拼接構成10010100，最後低六位111110，與10拼接構成10111110，所以三個字節是11100110 10010100 10111110，也就是十六進制的E6 94 BE，也就是你上面寫的-26 -108 -66。可以看到這個運算量雖然不大，基本是位操作，但如果你每個字符都要這麼操作實在是有損效率，綜合這幾點考慮，於是又弄了一個UTF-16，不嚴謹地來說它等價於Unicode原生編碼，它統一採用雙字節表示一個字符(其實有四字節區域，但現在一般沒有用到)，而由於它用多字節表示，和Unicode一樣需要字節序標識，你上面代碼裏發現它得到-2, -1, 101, 62，轉爲十六進制就是FE FF 65 3E，和我第二個實例程序中相同，說明UTF-16的碼值(如表示‘放’的65 3E)和Unicode原生編碼是相同的。
UTF-32的誕生其實也不奇怪，因爲UTF-16還是一個變長編碼方式，一個字符可能由兩個或四個字節表示，有些有強迫症的人總覺得不好，所以爲了他們就有了UTF-32，它統一使用四字節表示一個字符，因爲用得不多所以不詳細說了。
最後說說GBK是個什麼東西。GBK是國標擴(展)的拼音首字母，是我國在1995年制定的專門針對漢語和一些少數名族語言的編碼方式，和Unicode之間沒有一一對應的關係，也就是說Unicode中有的字符GBK不一定有，GBK有的字符Unicode也不一定有，而且GBK和Unicode中共有字符，他們的編碼值沒有一種簡單的對應關係，也就是無法通過簡單計算得到，只能通過查錶轉換。爲什麼會有GBK這種奇葩呢？其實是當時Unicode還沒制定好，更沒在全球範圍內推廣，而中國人要用電腦總不可能永遠用英語吧？所以我國就自行制定了一個國標，當時是GB2312，(其實臺灣地區針對繁體還有一個Big5，但這裏就不詳述了)，GB2312後來增加了很多字符，包括很多少數名族的語言，成爲了一個新的編碼標準，那就是GBK。