JAVA字符編碼測試

幾點注意：

1，ASCII碼和ISO-8859-1都是單字節編碼，ASCII碼能表示128個字符，ISO-8859-1總共能表示256個字符。都不能表示中文，若是中文字符或其它不在IOS-8859碼值範圍內的字符會統一用3f表示（顯示爲"?", 一般所說的"黑洞"）；

2，GBK兼容GB2312，是雙字節編碼，GB2312包含6763個漢字，GBK包含21003個漢字；

3，UTF-16爲定長雙字節編碼，大大簡化了字符串的操做，可是會浪費存儲空間。JAVA以UTF-16做爲內存存儲格式（見編碼測試輸出source行）；

4，UTF-8採用變長，不一樣類型的字符能夠由1~6個字節組成（漢字通常3個字節）。UTF-8規則以下：

• 若是是1個字節，最高位（第8位）爲0，則表示這是1個ASCII字符（00~7F）。可見，全部的ASCII編碼已是UTF-8了。
• 若是是1個字節，以11開頭，則連續的1的個數暗示這個字符的字節數，例如：110xxxxx表明它是雙字節UTF-8字符的首字節。
• 若是是1個字節，以10開頭，表示它不是首字節，則須要向前查找才能獲得當前字符的首字節。

 

測試代碼：

package com.test.main;

public class TestCode {

    public static void encode(){
            String name = "淘！我喜歡！";
            toHex(name.toCharArray());
            String [] codeType = {"ISO-8859-1", "GB2312", "GBK", "UTF-16", "UTF-8"};
            for (String type : codeType) {
                try {
                    byte [] bytes = name.getBytes(type);
                    toHex(type, bytes);
                } catch (Exception e) {
                    e.printStackTrace();
                }
            }    
    }
    
    private static void toHex(String name, byte[] charArray) {
        System.out.print(String.format("%-15s", name + ":"));
        for (int i = 0; i < charArray.length; i++) {
            System.out.print(String.format("%-4x ", charArray[i]));
        }
        System.out.println();
    }

    private static void toHex(char[] charArray) {
        System.out.print(String.format("%-15s","source:"));
        for (int i = 0; i < charArray.length; i++) {
            System.out.print(String.format("%-4x ", (int)charArray[i]));
        }
        System.out.println();
    }
    public static void main(String[] args) {
        encode();
    }

}

 

輸出：