Java中String的编码问题

1.在Java 中,String的默认编码格式是unicode。

Java内部字符串String用得都是是Unicode编码，所以Java内部的字符串可以说是没有编码的，只有bytes[]有编码！但是java平台是有编码的，编码为平台（操作系统）默认编码，但是对于别的平台如数据库、文件、网页（浏览器）等，编码不一样！

我们可以通过实验看出，调用Charset.defaultCharset()：

import java.nio.charset.Charset;
public class javaCode {
public static void main(String args[])
{
String defaultCharsetName=Charset.defaultCharset().displayName(); 
System.out.println("defaultCharsetName:"+defaultCharsetName);
}
}

显示结果为：

defaultCharsetName:GBK

 

多次试验发现，这个默认字符编码是由windows的语言地域里的设定决定的

2.Java里面的每一个String都是unicode编码。

3.new String(text.getBytes("ISO-8859-1"),"GBK")
是因为一个GBK的字节流被错误地以ISO-8859- 1的方式转换为String（unicode）了！

4.iso-8859-1编码规则，ISO-8859-1通常叫做Latin-1，每一个字节直接作为一个 UNICODE 字符。比如，[0xD6, 0xD0] 这两个字节，通过 iso-8859-1 转化为字符串时，将直接得到 [0x00D6, 0x00D0] 两个 UNICODE 字符，即 "&214;&208;"。
反之，将 UNICODE 字符串通过 iso-8859-1 转化为字节串时，只能正常转化 0~255 范围的字符。

一个 UNICODE 字符可能转化成一个字节或多个字节。

而为什么ISO-8859-1能够显示中文呢？

从本质上说，ISO-8859-1是单字节编码，自身不能显示中文，若要显示中文，必须和其他能显示中文的编码配合，如“GBK”,“UTF-8",以ISO-8859-1编码的文本，都以bytes[]的形式保存，若要显示中文，只需以显示平台的默认编码格式进行解码即可。若仍然以ISO-8859-1格式解码，得到的中文字符肯定是乱码，因为ISO-8859-1自身不能显示中文。

 

Java内部字符串String用得都是是Unicode编码，所以Java内部的字符串可以说是没有编码的，，只有bytes[]有编码！但是java平台是有编码的，编码为平台（操作系统）默认编码，但是对于别的平台如数据库、文件、网页（浏览器）等，编码不一样！

5.ANSI 编码的特点：
a. 这些ANSI 编码标准都只能处理各自语言范围之内的 UNICODE 字符。
b. “UNICODE 字符”与“转换出来的字节”之间的关系是人为规定的。与“ANSI 编码”类似的，把字符串通过UNICODE编码转化成“字节串”时，一个UNICODE字符可能转化成一个字节或多个字节。

6.UNICODE编码与“ANSI 编码”不同的是：
a 这些“UNICODE 编码”能够处理所有的UNICODE字符。
b.“UNICODE字符”与“转换出来的字节”之间是可以通过计算得到的。

7.当我们要把一个“字节串”转化成“字符串”，而又不知道它是哪一种ANSI编码时，先暂时地把“每一个字节”作为“一个字符”进行转化，不会造成信息丢失。然后再使用 bytes = string.getBytes("iso-8859-1") 的方法可恢复到原始的字节串。

8.UTF-8就是以8位为单元对UCS进行编码。从UCS-2到UTF-8的编码方式如下：

UCS-2编码(16进制) UTF-8 字节流(二进制) 
0000 - 007F 0xxxxxxx 
0080 - 07FF 110xxxxx 10xxxxxx 
0800 - FFFF 1110xxxx 10xxxxxx 10xxxxxx 

例 如“汉”字的Unicode编码是6C49。6C49在0800-FFFF之间，所以肯定要用3字节模板了：1110xxxx 10xxxxxx 10xxxxxx。将6C49写成二进制是：0110 110001 001001， 用这个比特流依次代替模板中的x，得到：11100110 10110001 10001001，即E6 B1 89。