gb2312----> utf-8

朋友让我帮他写个gb2312->utf-8的字符转换程序，找了半天没有在网上找到合适的，于是自己动手写了一个，呵呵。把它贴在这里，免得以后忘记了 ^_^

实现思路大致如下：

• 取得一个汉字的Unicode码
• 把Unicode码分解为两个16进制数据字符串（丢弃前两个字节）
• 把这两个16进制数据字符串转换成二进制数据字符串
• 把二进制数据字符串分解为三个串，第一个串为4（0~4）个位，在高位加上标记位“1110”，第二（4~10）、三个（10~16）串均为6个位，分别在高位加上“10”标记位
• 把这三个二进制串分别转换为10进制数据并赋值给字节型数组
• 根据这个字节型数组构造UTF-8字符

java 代码

1. importjava.io.File;
2. importjava.io.FileOutputStream;
3. importjava.io.UnsupportedEncodingException;
5. /**
6. *2007-8-10jyinatgomezdotcom
7. */
8. publicclassCharsetConvertor{
9. publicstaticvoidmain(String[]args){
10. Stringstr="Thisisatestfor*中网!@#$。，？";
11. try{
12. Filef=newFile("D:/test.txt");
13. FileOutputStreamfio=newFileOutputStream(f);
14. Strings=gbToUtf8(str);
15. fio.write(s.getBytes("UTF-8"));
16. fio.close();
17. }
18. catch(Exceptione){
19. e.printStackTrace();
20. }
21. }
23. publicstaticStringgbToUtf8(Stringstr)throwsUnsupportedEncodingException{
24. StringBuffersb=newStringBuffer();
25. for(inti=0;i<str.length();i++){
26. Strings=str.substring(i,i+1);
27. if(s.charAt(0)>0x80){
28. byte[]bytes=s.getBytes("Unicode");
29. StringbinaryStr="";
30. for(intj=2;j<bytes.length;j+=2){
31. //thefirstbyte
32. StringhexStr=getHexString(bytes[j+1]);
33. StringbinStr=getBinaryString(Integer.valueOf(hexStr,16));
34. binaryStr+=binStr;
35. //thesecondbyte
36. hexStr=getHexString(bytes[j]);
37. binStr=getBinaryString(Integer.valueOf(hexStr,16));
38. binaryStr+=binStr;
39. }
40. //convertunicodetoutf-8
41. Strings1="1110"+binaryStr.substring(0,4);
42. Strings2="10"+binaryStr.substring(4,10);
43. Strings3="10"+binaryStr.substring(10,16);
44. byte[]bs=newbyte[3];
45. bs[0]=Integer.valueOf(s1,2).byteValue();
46. bs[1]=Integer.valueOf(s2,2).byteValue();
47. bs[2]=Integer.valueOf(s3,2).byteValue();
48. Stringss=newString(bs,"UTF-8");
49. sb.append(ss);
50. }else{
51. sb.append(s);
52. }
53. }
54. returnsb.toString();
55. }
57. privatestaticStringgetHexString(byteb){
58. StringhexStr=Integer.toHexString(b);
59. intm=hexStr.length();
60. if(m<2){
61. hexStr="0"+hexStr;
62. }else{
63. hexStr=hexStr.substring(m-2);
64. }
65. returnhexStr;
66. }
68. privatestaticStringgetBinaryString(inti){
69. StringbinaryStr=Integer.toBinaryString(i);
70. intlength=binaryStr.length();
71. for(intl=0;l<8-length;l++){
72. binaryStr="0"+binaryStr;
73. }
74. returnbinaryStr;
75. }
76. }

参见java.util.Properties。

用java程序将GBK字符转成UTF-8编码格式 （转）

原地址：http://blog.youkuaiyun.com/wangjichen_1/archive/2006/08/04/1019830.aspx

上网查找一下用java程序将GBK字符转成UTF-8编码格式的代码，发现全是C++ 写的，而且很烦琐，

现在自己写了一个java的，以供参考。

UTF-8 编码介绍

UTF-8 编码是一种被广泛应用的编码，这种编码致力于把全球的语言纳入一个统一的编码，

目前已经将几种亚洲语言纳入。UTF 代表 UCS Transformation Format.

UTF-8 采用变长度字节来表示字符，理论上最多可以到 6 个字节长度。

UTF-8 编码兼容了 ASC II(0-127)， 也就是说 UTF-8 对于 ASC II 字符的编码是和 ASC II 一样的。

对于超过一个字节长度的字符，才用以下编码规范：

左边第一个字节1的个数表示这个字符编码字节的位数，

例如两位字节字符编码样式为为：110xxxxx 10xxxxxx；

三位字节字符的编码样式为：1110xxxx 10xxxxxx 10xxxxxx.；

以此类推，六位字节字符的编码样式为：1111110x 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx。

xxx 的值由字符编码的二进制表示的位填入。只用最短的那个足够表达一个字符编码的多字节串。

例如：

Unicode 字符： 00 A9（版权符号） = 1010 1001，

UTF-8 编码为：11000010 10101001 = 0x C2 0xA9;

字符 22 60 (不等于符号) = 0010 0010 0110 0000，

UTF-8 编码为：11100010 10001001 10100000 = 0xE2 0x89 0xA0

package com.lang.string;

public class ConverFromGBKToUTF8 {
public static void main(String[] args){

try {

ConverFromGBKToUTF8 convert = new ConverFromGBKToUTF8();
byte [] fullByte = convert.gbk2utf8(chenese);
String fullStr = new String(fullByte, "UTF-8");
System.out.println("string from GBK to UTF-8 byte: " + fullStr);

} catch (Exception e) {
e.printStackTrace();
}
}

public byte[] gbk2utf8(String chenese){
char c[] = chenese.toCharArray();
byte [] fullByte =new byte[3*c.length];
for(int i=0; i<c.length; i++){
int m = (int)c[i];
String word = Integer.toBinaryString(m);
// System.out.println(word);

StringBuffer sb = new StringBuffer();
int len = 16 - word.length();
//补零
for(int j=0; j<len; j++){
sb.append("0");
}
sb.append(word);
sb.insert(0, "1110");
sb.insert(8, "10");
sb.insert(16, "10");

// System.out.println(sb.toString());

String s1 = sb.substring(0, 8);
String s2 = sb.substring(8, 16);
String s3 = sb.substring(16);

byte b0 = Integer.valueOf(s1, 2).byteValue();
byte b1 = Integer.valueOf(s2, 2).byteValue();
byte b2 = Integer.valueOf(s3, 2).byteValue();
byte[] bf = new byte[3];
bf[0] = b0;
fullByte[i*3] = bf[0];
bf[1] = b1;
fullByte[i*3+1] = bf[1];
bf[2] = b2;
fullByte[i*3+2] = bf[2];

}
return fullByte;
}
}

UTF-8的编码原理和特性：

U+0000~U+007E 1 _ _ _ _ _ _ _ (7bits)

U+0080~U+07FF 1 1 0_ _ _ _ _ 1 0_ _ _ _ _ _ (11bits)

U+0800~U+FFFF 1 1 1 0 _ _ _ _ 1 0 _ _ _ _ _ _ 1 0 _ _ _ _ _ _ (16bits)