stringgetbytesphp技巧_从 StringgetBytes 理解 Java 编码和解码

由于原码，补码，反码比较大略，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。
它规定了我们利用到的字或符号的码点（code point）。
码点利用 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。

打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。

上述表格大略描述了Unicode 按 UTF-8 编码的格式。

java 内存中的字符串采取的是 unicode 编码，也便是内编码。
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

将二进制添补在 1110xxxx 10xxxxxx 10xxxxxx 中的 x 中，不敷的补 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}

@Testpublic void run454() throws UnsupportedEncodingException { String str =\公众赵\"大众; final byte[] bytes = str.getBytes(\"大众UTF-8\"大众); StringBuilder stringBuilder =new StringBuilder(); for (byte aByte : bytes) { stringBuilder.append(aByte).append(\"大众,\公众); } 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}

@Testpublic void run43() throws UnsupportedEncodingException { // {-28,-72,-108} String str =\"大众且\公众; final byte[] bytes = str.getBytes(\公众UTF-8\"大众); StringBuilder stringBuilder =new StringBuilder(); for (byte aByte : bytes) { stringBuilder.append(aByte).append(\公众,\"大众); } 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}

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

JAVA 中乱码问题

java 字符或字符串采取 uincode 作为内编码。

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

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。
乱码问题随意马虎涌现的地方便是这里。

不要企图将一个乱码的字符串变成一个非乱码的。
这个思路是缺点的。
该当从乱码之前的字节动手处理。

@Testpublic void run100() throws UnsupportedEncodingException { String str = \"大众张\"大众; final byte[] gbks = str.getBytes(\"大众GBK\"大众); final String s = new String(gbks, \"大众UTF-8\公众); 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 转换解码办法获取字符串。

末了，我自己是一名从事了多年开拓的JAVA老程序员，今年年初我花了一个月整理了一份最适宜2019年学习的java学习干货，可以送给每一位喜好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：[互换]即可免费获取。

作者：张攀钦

来源：掘金