Socket 请求http 汉字编码问题

最新推荐文章于 2022-08-09 15:10:18 发布

lzhw1985

最新推荐文章于 2022-08-09 15:10:18 发布

阅读量239

点赞数

分类专栏： java 文章标签：数据库

本文链接：https://blog.youkuaiyun.com/lzhw1985/article/details/84418458

版权

100 篇文章

订阅专栏

本文深入探讨了UTF-8和GBK编码的基本知识，解释了它们在存储和显示汉字上的区别，并强调了UTF-8作为国际编码的优势。文章还详细介绍了编码之间的相互转换，帮助开发者在不同场景下灵活运用。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

用socket请求HTTP时返回了UT-8格式的汉字，按2个字节解析显示的汉字个数不正确，按3个字节解析才能正常显示汉字，原来在UTF-8中普通的汉字都是用3个字节存储的。

常用的GB2312则是2个字节表示一个汉字，二者不同。

了解下编码的基本知识:

UTF-8：Unicode TransformationFormat-8bit。是用以解决国际上字符的一种多字节编码，它对英文使用8位（即一个字节），中文使用24为（三个字节）来编码。

UTF-8包含全世界所有国家需要用到的字符，是国际编码，通用性强。

UTF-8编码的文字可以在各国支持UTF8字符集的浏览器上显示。如，如果是UTF8编码，则在外国人的英文IE上也能显示中文，他们无需下载IE的中文语言支持包。

GBK是国家标准GB2312基础上扩容后兼容GB2312的标准。GBK的文字编码是用双字节来表示的，即不论中、英文字符均使用双字节来表示，为了区分中文，将其最高位都设定成1。GBK包含全部中文字符，是国家编码，通用性比UTF8差，不过UTF8占用的数据库比GBD大。

GBK、GB2312等与UTF8之间都必须通过Unicode编码才能相互转换。