乙個關於Unicode字元編碼的奇怪問題

有乙個學員問了乙個關於unicode字元編碼的奇怪問題。

問題如下：

string strchina = "中國";

（1）直接把每個字元中的內容對應著的整數列印出來，顯示的結果就是這個字元的unicode碼，則下面的**：

for(int i=0; i

列印出的結果是：

4e2d

56fd

（2）下面的**：

byte buf = strchina.getbytes("unicode");

for(int i=0; i

列印出的結果是：

ffffffff

fffffffe

fffffffd

列印出的「ffffffff」和「fffffffe」表示什麼？「2d」和「4e」為什麼和直接列印的結果是相反的？

回答如下：

在不同體系結構的計算機系統中，utf-16編碼的unicode字元在記憶體中的位元組儲存順序是不同的。使用intel cpu的計算機中，乙個多位元組資料在記憶體中的儲存形式通常是：低位元組在前，高位元組在後，這種方式稱為little-endian（最不重要的位元組在先）。但是，在使用其他cpu的一些計算機中，又是以高位元組在前，低位元組在後的方式儲存多位元組資料的，這種方式稱為big-endian（最重要的位元組在先）。對於0x1234這樣乙個雙位元組資料，使用little-endian和big-endian兩種方式在記憶體中儲存的格式如圖7.4所示。

對於採用utf-16編碼的檔案，通常都要用位元組順序標記（byte order mark，簡稱bom）來說明檔案中的字元所使用的位元組儲存順序。如果檔案以0xfe 0xff這兩個位元組開頭，則表明文字的其餘部分是big-endian的utf-16編碼；如果檔案以0xff 0xfe這兩個位元組開頭，則表明文字的其餘部分是little-endian的utf-16編碼；如果檔案開頭沒有使用任何位元組順序標記，則暗指全部文字都是big-endian的utf-16編碼。

「ffffffff」和「fffffffe」實際上是0xff和0xfe的兩個位元組，把他們當作整數列印時，就成了4個位元組，由於0xfe的最高

bit位是1，當它轉成4位元組的整數時，前面3個位元組的所有bit位都補1,結果就成了0xfffffffe。前面列印出：

ffffffff

fffffffe

2d4e

fffffffd

56實際上是： ff

fe2d

4efd56

前兩個位元組是在說位元組儲存順序！

乙個關於Unicode字元編碼的奇怪問題

乙個關於Unicode字元編碼的奇怪問題

乙個關於Unicode字元編碼的奇怪問題

字元編碼 unicode編碼

相關推薦