字元編碼總結

各種編碼的檔案頭：ff、fe（unicode）,fe、ff（unicode big endian）,ef、bb、bf（utf-8）。

unicode也是一種字元編碼方法，不過它是由國際組織設計，可以容納全世界所有語言文字的編碼方案。unicode的學名是"universal multiple-octet coded character set"，簡稱為ucs。從unicode2.0開始，unicode專案採用了與iso 10646-1相同的字型檔和字碼。

1.unicode：每個字元都使用兩個位元組編碼，所以它是定長的編碼格式，「漢」的unicode編碼為 "/u6c49" ，「a」的unicode編碼是"/u0061"。在編譯成class檔案時，不管編譯器裡使用gbk編碼還是utf-8編碼編輯**，最後在class檔案裡儲存的是字元的unicode編碼，應該是在編譯的時候將其他編碼轉換成了unicode編碼。

2.gb2312和gbk：中文字元都使用兩個位元組編碼，英文本元都使用乙個位元組編碼，gb2312時gbk編碼的子集，「漢」的這兩種編碼都是 baba，可以通過區位碼高位和低位分別加上a0得到gb2312碼。

3.utf-8：

utf-8就是以8位為單元對ucs進行編碼。從ucs-2到utf-8的編碼方式如下：

ucs-2編碼(16進製制)

utf-8 位元組流(二進位制)

0000 - 007f

0******x

0080 - 07ff

110***xx 10******

0800 - ffff

1110***x 10****** 10******

unicode編碼小於0x0080的使用乙個位元組的模版轉換成utf-8編碼，大於等於0x0080小於0x0800的使用兩個位元組的模版轉換，大於等於0x0800小於等於0xffff的使用三個位元組的模版轉換。

例如「漢」字的unicode編碼是6c49。6c49在0800-ffff之間，所以肯定要用3位元組模板了：1110***x 10****** 10******。將6c49寫成二進位制是：0110 110001 001001，用這個位元流依次代替模板中的x，得到：11100110 10110001 10001001，即e6 b1 89。

ucs只是規定如何編碼，並沒有規定如何傳輸、儲存這個編碼。例如「漢」字的ucs編碼是6c49，我可以用4個ascii數字來傳輸、儲存這個編碼；也可以用utf-8編碼:3個連續的位元組e6 b1 89來表示它。關鍵在於通訊雙方都要認可。utf-8、utf-7、utf-16都是被廣泛接受的方案。utf-8的乙個特別的好處是它與iso-8859-1完全相容。utf是「ucs transformation format」的縮寫。

**分析：

1: string s="漢";

byte bytes=s.getbytes();

for(int i=0;i2: string s="漢";

byte bytes=null;

try catch (unsupportedencodingexception e)

for(int i=0;i**一在手機上執行時，bytes陣列的長度為1，值為3f，result的值是字串"?",也就是對中文字串"漢"的unicode編碼沒有得到相應的碼值，如果在pc上執行則得到gbk的碼值，兩個位元組分別是高位：ab 低位：ab。

**二在手機上和pc上得到相同的結果，bytes陣列的長度是3，三個位元組分別是e6， b1， 89，也就是得到了中文字元的正確的utf-8碼值。

字元編碼總結

字元編碼總結

字元編碼總結

字元編碼問題總結

相關推薦