java中 中文问题详解

《java中 中文问题详解》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、【java中中文问题详解】预备知识：　1.字节和unicode　　Java内核是unicode的，就连class文件也是，但是很多媒体，包括文件/流的保存方式　　是使用字节流的。因此Java要对这些字节流经行转化。char是unicode的，而byte是字节.　　Java中byte/char互转的函数在sun.io的包中间有。其中ByteToCharConverter类是中调度，　　可以用来告诉你，你用的Convertor。其中两个很常用的静态函数是　　publicstaticByteToCharConvertergetDefault();　　public

2、staticByteToCharConvertergetConverter(Stringencoding);　　如果你不指定converter，则系统会自动使用当前的Encoding,GB平台上用GBK,EN平台上用　　8859_1　　　　我们来就一个简单的例子：　　　　　"你"的gb码是：0xC4E3,unicode是0x4F60　　　　　你用:　　　　　--encoding="gb2312";　　　　　--byteb[]={(byte)"u00c4",(byte)"u00E3"};　　　　　--convertor=ByteToCharConverter

3、.getConverter(encoding);　　　　　--char[]c=converter.convertAll(b);　　　　　--for(inti=0;i　　　　　--{　　　　　--System.out.println(Integer.toHexString(c[i]));　　　　　--}　　　　　--打印出来是0x4F60　　　　　--但是如果使用8859_1的编码，打印出来是　　　　　--0x00C4,0x00E3　　　　　----例１　　　　反过来：　　　　--encoding="gb2312";　　　　　　　charc[]={"u4F6

4、0"};　　　　　　　convertor=ByteToCharConverter.getConverter(encoding);　　　　　--byte[]b=converter.convertAll(c);　　　　　--for(inti=0;i　　　　　--{　　　　　--System.out.println(Integer.toHexString(b[i]));　　　　　--}　　　　　　--打印出来是：0xC4,0xE3　　　　　　----例２　　　　　　--如果用8859_1就是0x3F，?号，表示无法转化　　　　　　--　　　　　很多中文问题就是从

5、这两个最简单的类派生出来的。而却有很多类　　　　不直接支持把Encoding输入，这给我们带来诸多不便。很多程序难得用encoding　　了，直接用default的encoding，这就给我们移植带来了很多困难　　--　　2.UTF-8　　--UTF-8是和Unicode一一对应的，其实现很简单　　--　　--7位的Unicode:0_______　　--11位的Unicode:110_____10______　　--16位的Unicode:1110____10______10______　　--21位的Unicode:11110___10______10

6、______10______　　--大多数情况是只使用到16位以下的Unicode:　　--"你"的gb码是：0xC4E3,unicode是0x4F60　　--我们还是用上面的例子　　--　　--例１：0xC4E3的二进制：　　--　　--　　　1100010011100011　　--　　--　　　由于只有两位我们按照两位的编码来排，但是我们发现这行不通，　　--　　--　　　因为第７位不是0因此，返回"?"　　--　　--　　　　　--　　--例２：0x4F60的二进制：　　--　　--　　　0100111101100000　　--　　--　　　我们用U

7、TF-8补齐，变成：　　--　　--　　　111001001011110110100000　　--　　--　　　E4--BD--A0　　--　　--　　　于是返回0xE4,0xBD,0xA0　　--　　--　　3.String和byte[]　　--String其实核心是char[],然而要把byte转化成String，必须经过编码。　　--String.length()其实就是char数组的长度，如果使用不同的编码，很可　　--能会错分，造成散字和乱码。　　--例：　　----byte[]b={(byte)"u00c4",(byte)"u00e3"};　　

8、----Stringstr=newString(b,encodin