Java字符串及字符编码及转码简介

Java字符串及字符在JVM内部是什么编码 ？

Java字符串（String类）在内存中统一采用‌UTF-16编码‌存储，每个字符占用2字节，对应Unicode基本多文种平面（BMP）的字符。Java字符类型（char）基于‌Unicode字符集‌设计，UTF-16是其具体编码实现方案。

Java字符串及字符与UTF-8编码的关系是什么 ?

UTF-8 也是Unicode的一种实现方式，区别在于它的字节结构（字节组织形式）有自己的格式。如，一个汉字的范围是0X4E00到0x9FA5，是指unicode的值，至于放在utf-8的编码里去就是由三个字节来组织，所以可以看出unicode是给出一个字符的范围，定义了这个字是码值是多少，至于具体的实现方式可以多种多样，可以是UTF-8，也可以是UTF-16；

UTF-8：英文字符占用一个字节，汉文字符占用三个字节；UTF-16：英文字符、汉文字符都占用两个字节，其中汉字以[-2, -1]开始。

I/O操作‌（文件读写、网络传输）需显式指定字符集（如UTF-8、GBK）进行编码转换，否则使用平台默认编码（通过Charset.defaultCharset()查看）进行字节转换，I/O操作时未显式指定编码可能导致乱码，因平台默认编码可能与UTF-16不一致（如Windows默认GBK）：

 String text = "文本内容"; // java字符串，底层采用UTF-16编码存储
 byte[] bytes = text.getBytes(StandardCharsets.UTF_8); // 转换为UTF-8字节数组，用于I/O操作

Java字符串转码样例

/// java字符串编码 --> UTF-8编码：%E5%A4%9A%E6%99%AE%E5%8B%92.pdf  %是每个字节间的分隔符
String encodedFileName = java.net.URLEncoder.encode("多普勒.pdf", "UTF-8");
/// UTF-8编码 --> java字符串编码：多普勒.pdf
String decodedFileName = java.net.URLDecoder.decode(encodedFileName, "UTF-8");

/// 229, 164, 154
short i1 = 0xE5, i2 = 0xA4, i3 = 0x9A;
System.out.println(i1); System.out.println(i2); System.out.println(i3);

/// idea中默认的字符串编码为UTF-8, 更改编码方式：settings->fileCoding->GlobalEncoding = GBK
System.out.println("默认编码格式：" + System.getProperty("file.encoding"));
/// java获取系统中默认的编码UTF-8【应该是默认的转码方式】
System.out.println("默认编码格式：" + Charset.defaultCharset().name());

///  [-27, -92, -102, -26, -103, -82, -27, -117, -110, 46, 112, 100, 102] 多普勒.pdf
byte[] bytes = decodedFileName.getBytes();
System.out.print("字节数组(默认编码)：" + Arrays.toString(bytes));
decodedFileName = new String(bytes, Charset.defaultCharset().name());
System.out.println(decodedFileName);

///  [-27, -92, -102, -26, -103, -82, -27, -117, -110, 46, 112, 100, 102] 多普勒.pdf
///  这里说明：229和-27的存储都是【11100101】，229是无符号整数的解码，-27是有符号整数的解码
bytes = decodedFileName.getBytes(StandardCharsets.UTF_8);
System.out.print("字节数组(UTF-8编码)：" + Arrays.toString(bytes));
decodedFileName = new String(bytes, StandardCharsets.UTF_8);
System.out.println(decodedFileName);

/// [-2, -1, 89, 26, 102, 110, 82, -46, 0, 46, 0, 112, 0, 100, 0, 102] 多普勒.pdf
// 多：[-2, -1, 89, 26],普：[-2, -1, 102, 110]，勒：[-2, -1, 82, -46]
bytes = decodedFileName.getBytes(StandardCharsets.UTF_16);
System.out.println("字节数组(UTF-16编码)：" + Arrays.toString(bytes));
decodedFileName = new String(bytes, StandardCharsets.UTF_16);
System.out.println(decodedFileName);

/// [63, 63, 63, 46, 112, 100, 102] ???.pdf
bytes = decodedFileName.getBytes(StandardCharsets.ISO_8859_1);
System.out.print("字节数组(ISO_8859_1编码)：" + Arrays.toString(bytes));
decodedFileName = new String(bytes, StandardCharsets.ISO_8859_1);
System.out.println(decodedFileName);