学习笔记I/O篇之五

 

import java.util.*;
import java.io.*;
import java.nio.charset.*;

public class  CharsetTest
...{
    public static  void  main(String args[]) throws IOException
    ...{
       //获取各种编码格式
        /** *//** Map m=Charset.availableCharsets();
         Set names=m.keySet();
         Iterator it=names.iterator();
         while(it.hasNext())
         {
             System.out.println(it.next());
          }
          */
         
         
         //查看本机的编码风格
         /** *//**Properties pps=System.getProperties();
         pps.list(System.out);*/
         
         //更改本机的编码方式
         
         Properties pps=System.getProperties();
       pps.put("file.encoding","ISO-8859-1");
       int data;
       byte[] buf=new byte[100];
       int i=0;
       while((data=System.in.read())!='q')
       ...{
        buf[i]=(byte)data;
       i++;
       }
       String str=new String(buf,0,i);
        //System.out.println(str);
       String strGBK=new String(str.getBytes("ISO-8859-1"),"GBK");
       System.out.println(strGBK);
    }
}

 

字符集的编码
ASCII(American Standard Code for Information Interchange，美国信息互换标准代码)，是基于常用的英文字符的一套电脑编码系统。我们知道英文中经常使用的字符、数字符号被计算机处理时都是以二进制码的形式出现的。这种二进制码的集合就是所谓的ASCII码。每一个ASCII码与一个8位（bit）二进制数对应。其最高位是0，相应的十进制数是0-127。如，数字“0”的编码用十进制数表示就是48。另有128个扩展的ASCII码，最高位都是1，由一些制表符和其它符号组成。ASCII是现今最通用的单字节编码系统。
GB2312：GB2312码是中华人民共和国国家汉字信息交换用编码，全称《信息交换用汉字编码字符集－基本集》。主要用于给每一个中文字符指定相应的数字，也就是进行编码。一个中文字符用两个字节的数字来表示，为了和ASCII码有所区别，将中文字符每一个字节的最高位置都用1来表示。
GBK：为了对更多的字符进行编码，国家又发布了新的编码系统GBK(GBK的K是“扩展”的汉语拼音第一个字母)。在新的编码系统里，除了完全兼容GB2312 外，还对繁体中文、一些不常用的汉字和许多符号进行了编码。
ISO-8859-1：是西方国家所使用的字符编码集，是一种单字节的字符集 ，而英文实际上只用了其中数字小于128的部分。Unicode：这是一种通用的字符集，对所有语言的文字进行了统一编码，对每一个字符都用2个字节来表示，对于英文字符采取前面加“0”字节的策略实现等长兼容。如 “a” 的ASCII码为0x61，UNICODE就为0x00，0x61。
UTF-8：Eight-bit UCS Transformation Format，(UCS，Universal Character Set，通用字符集，UCS 是所有其他字符集标准的一个超集)。一个7位的ASCII码值，对应的UTF码是一个字节。如果字符是0x0000，或在0x0080与0x007f之间，对应的UTF码是两个字节，如果字符在0x0800与0xffff之间，对应的UTF码是三个字节。