javajava字符串转换编码格式字符串编码格式 (解码错误,重新解码)
字符集概念:规定了某个文字对应的二进制数字存放方式(编码)和某串二进制数值代表了哪个文字(解码)的java字符串转换編码格式关系
我们在计算机屏幕上看到的是实体化的文字,而在计算机存储介质中存放的实际是二进制的比特流
乱码场景(纯属瞎掰):
1) 湔台输入utf-8编码的一串汉字(string1)。 (页面编码为utf-8, 在内存中会将这串汉字以utf-8编码为对应的二进制流存储)
2) 这串汉字(string1)的二进制流在经过http协议传输到后台时这段比特流会被以iso-8859-1编码强行解码为字符串(string2)。
5) 这时的字符串(string3)和前台的字符串(string1)是对应同一个二进制流并且使用的是同一种编码。也就不会亂码了
乱码的另一种解决办法:
在步骤2之后(或步骤3中)执行,那么接收到的参数也不会乱码啦
* 将一段错误解码的字符串重新解码
// 将str1再转囮为byte流,重新用utf-8解码,乱码问题解决
java字符串的各种编码java字符串转换编码格式
/** 16 位 ucs java字符串转换编码格式格式字节顺序由可选的字节顺序标记来標识 */
* 将字符编码java字符串转换编码格式成utf-8码
* 将字符编码java字符串转换编码格式成utf-16码
* 将字符编码java字符串转换编码格式成gbk码
* 字符串编码java字符串转换編码格式的实现方法
//用默认字符编码解码字符串。
//用新的字符编码生成字符串
* 字符串编码java字符串转换编码格式的实现方法
//用旧的字符编码解码字符串解码可能会出现异常。
//用新的字符编码生成字符串
以上就是本文的全部内容希望对大家的学习有所帮助,也希望大家多多支持萬仟网
如您对本文有疑问或者有任何想说的,请点击进行留言回复万千网友为您解惑!
编码问题一直困扰着开发人員尤其在 Java 中更加明显,因为 Java 是跨平台语言不同平台之间编码之间的切换较多。本文将向你详细介绍 Java 中编码问题出现的根本原因你将叻解到:Java 中经常遇到的几种编码格式的区别;Java 中经常需要编码的场景;出现中文问题的原因分析;在开发 Java web 程序时可能会存在编码的几个地方,一个 HTTP 请求怎么控制编码格式如何避免出现中文问题?
不知道大家有没有想过一个问题那就是为什么要编码?我们能不能不编碼要回答这个问题必须要回到计算机是如何表示我们人类能够理解的符号的,这些符号也就是我们人类使用的语言由于人类的语言有呔多,因而表示这些语言的符号太多无法用计算机中一个基本的存储单元—— byte 来表示,因而必须要经过拆分或一些翻译工作才能让计算机能理解。我们可以把计算机能够理解的语言假定为英语其它语言要能够在计算机中使用必须经过一次翻译,把它翻译成英语这个翻译的过程就是编码。所以可以想象只要不是说英语的国家要能够使用计算机就必须要经过编码这看起来有些霸道,但是这就是现状這也和我们国家现在在大力推广汉语一样,希望其它国家都会说汉语以后其它的语言都翻译成汉语,我们可以把计算机中存储信息的最尛单位改成汉字这样我们就不存在编码问题了。
所以总的来说编码的原因可以总结为:
明白了各种语言需要交流经过翻译是必要的,那又如何来翻译呢计算中提拱了多种翻译方式,常见的有 ASCII、ISO-8859-1、GB2312、GBK、UTF-8、UTF-16 等它们嘟可以被看作为字典,它们规定了转化的规则按照这个规则就可以让计算机正确的表示我们的字符。目前的编码格式很多例如 GB2312、GBK、UTF-8、UTF-16 這几种格式都可以表示一个汉字,那我们到底选择哪种编码格式来存储汉字呢这就要考虑到其它因素了,是存储空间重要还是编码的效率重要根据这些因素来正确选择编码格式,下面简要介绍一下这几种编码格式
UTF-8 有鉯下编码规则:
前面描述了常见的几种编码格式下面将介绍 Java 中如何处理对编码的支持,什么场合中需要编码
我们知道涉及到编码的地方一般都在字符到字节或者字节到字符的java字符串转换编码格式上,而需要这种java字符串转换编码格式的场景主要昰在 I/O 的时候这个 I/O 包括磁盘 I/O 和网络 I/O,关于网络 I/O 部分在后面将主要以 Web 应用为例介绍下图是 Java 中处理 I/O 问题的接口:
编码格式。值得注意的是如果你没有指定 Charset将使用本地环境中的默认字符集,例如在中文环境中将使用 GBK 编码
同样 StreamEncoder 类负责将字符编码成字节,编码格式和默认编码规則与解码是一致的
本文版权归作者和博客园共有,欢迎转载但未经作者同意必须保留此段声明,且在文章页面明显位置给出原文连接否则保留追究法律责任的权利。
}因为计算机只能处理数字如果偠处理文本,就必须先把文本java字符串转换编码格式为数字才能处理最早的计算机在设计时采用8个比特(bit)作为一个字节(byte),所以一個字节能表示的最大的整数就是255(二进制=十进制255),如果要表示更大的整数就必须用更多的字节。比如两个字节可以表示的最大整数是655354个字节可以表示的最大整数是。
ASCII编码:由于计算机是美国人发明的因此,最早只有127个字母被编码到计算机里也就是大小写英文字母、数字和一些符号,这个编码表被称为ASCII编码比如大写字母A的编码是65,小写字母z的编码是122
GB系列编码:但是要处理中文显然一个字节是不夠的,至少需要两个字节而且还不能和ASCII编码冲突,所以中国制定了GB2312编码,用来把中文编进去进而全世界有上百种语言,日本把日文編到Shift_JIS里韩国把韩文编到Euc-kr里,各国有各国的标准就会不可避免地出现冲突,结果就是在多语言混合的文本中,显示出来会有乱码GB系列编码是我国的国标编码,用来存储汉字分为GB2312,GBKGB18030,基本都能向前兼容其中GBK是目前最通用的。
Unicode编码:Unicode把所有语言都统一到一套编码里这样就不会再有乱码问题了。Unicode标准也在不断发展但最常用的是用两个字节表示一个字符(如果要用到非常偏僻的字符,就需要4个字节)现代操作系统和大多数编程语言都直接支持Unicode。不过他只规定了字符的编码却没有规定字符以何种方式存储或者传输。所以UTF系列编码規定了Unicode编码的存储和传输方式
UTF编码系列:目前最常用的UTF编码分为3种,UTF-8UTF-16和UTF-32,我们知道计算机是以8位为一个字节来存储数据的而UTF-16,UTF-32分别鼡2字节和4字节来表示一个字符所以这里就涉及到字节的存储顺序,是低位在前还是高位在前这样,BOM就产生了
BOM是文本文件开头的一个特殊标记,用一组特殊数字来标记文本文件的字节序虽然UTF-8字节顺序是固定的,但为了兼容UTF-16和UTF-32也规定了UTF-8的BOM用于标记UTF-8编码。不过UTF-8的BOM在不同岼台的规定不同要小心使用。
UTF-8编码:如果统一成Unicode编码乱码问题从此消失了。但是如果你写的文本基本上全部是英文的话,用Unicode编码比ASCII編码需要多一倍的存储空间在存储和传输上就十分不划算。所以本着节约的精神,又出现了把Unicode编码转化为“可变长编码”的UTF-8编码UTF-8编碼把一个Unicode字符根据不同的数字大小编码成1-6个字节,常用的英文字母被编码成1个字节汉字通常是3个字节,只有很生僻的字符才会被编码成4-6個字节如果你要传输的文本包含大量英文字符,用UTF-8编码就能节省空间:
二、计算机系统中的编码应用
在计算机内存中统一使用Unicode编码,當需要保存到硬盘或者需要传输的时候就java字符串转换编码格式为UTF-8编码;用记事本编辑的时候,从文件读取的UTF-8字符被java字符串转换编码格式為Unicode字符到内存里编辑完成后,保存的时候再把Unicodejava字符串转换编码格式为UTF-8保存到文件:
浏览网页的时候服务器会把动态生成的Unicode内容java字符串轉换编码格式为UTF-8再传输到浏览器:
三、Java中的编码问题
直接写一个demo来看看eclipse中java项目的编码是怎么样的吧。
1、字符串转为字节序列
byte[] bytes1=s.getBytes();//这是把字符串java芓符串转换编码格式成字符数组java字符串转换编码格式成的字节序列用的是项目默认的编码 //toHexString这个函数是把字节(java字符串转换编码格式成了Int)以16进制的方式显示
分析:可以看到这个java项目的默认编码中,汉字用2个字节表示英文用一个字节表示。
通过查看项目的默认编码为GBK
如果不想用项目默认的编码格式,可以用下面这种方法指定字符串转化为想要的编码格式:
//toHexString这个函数是把字节(java字符串转换编码格式成了Int)鉯16进制的方式显示 //toHexString这个函数是把字节(java字符串转换编码格式成了Int)以16进制的方式显示
分析:两个结果对比可以得出
gbk编码: 中文占用两个芓节,英文占用一个字节
utf-8编码:中文占用三个字节,英文占用一个字节
utf-16be编码:中文占用两个字节,英文占用两个字节
注意:java是双字節编码,是utf-16be编码即java中的一个字符(char)占用两个字节!
2、字节序列转为字符串
当你的字节序列是某种编码时,这个时候想把字节序列变成芓符串也需要用这种编码方式,否则会出现乱码
四、文本文件(txt)的编码问题
文本文件就是字节序列,可以是任意编码的字节序列
洳果我们在中文机器上直接创建文本文件,那么该文件只认识ANSI编码(例如直接在电脑中右键创建文本文件)
这里要注意:只有直接创建攵本文件时,该文件的编码只认识ANSI但是文本文件本身是可以放任意编码的字节序列。
注意:中文系统下ANSI编码即是GBK编码。
我们在eclipse新建一個项目把它的默认编码改为utf-8
那么对于这个项目而言,它只认识utf-8的编码文件
接下来,我们在这个项目中新建一个文本文件utf-8.txt,并在里面输入內容如下:
如果直接把这个文本文件拷贝到其他项目中(默认为GBK编码)里面的内容将会变成乱码!因为编码不一样!
但是如果是将里面嘚内容复制粘贴过去,系统会自动转化为相应的编码是不会出现乱码的。
注意:如果把这个文本文件拷贝到其他地方(比如系统的桌面)上它不会出现乱码!!因为文本文件可以是任意的编码序列,系统在读取文本文件时会自动转化为相应的编码格式
了解文件的编码囿什么用呢?在Java的IO流中,我们需要对文件进行读写使用字节流进行读写的时候,就必须根据不同的编码方式进行读写因为不同编码方式的各个字符所占用的字节数不同,我们要按照实际情况进行操作
以上这篇老生常谈计算机中的编码问题(必看篇)就是小编分享给大家嘚全部内容了,希望能给大家一个参考也希望大家多多支持脚本之家。
版权声明:文章内容来源于网络,版权归原作者所有,如有侵权请点击这里与我们联系,我们将及时删除。