一直以来对编码并不是太理解,所以用java做了个实验,感觉清楚了点
:
下面这个代码的功能是,获取某个字符或汉字在utf-8,gbk,gb2312,iso8859-1等下的十六进制,八进制,十进制,二进制的表示(当然,只有二进制才是其在计算机中的真真表示.)
import java.io.UnsupportedEncodingException;
public class CharEncode {
/**
* @param str
* 字符
* @param charsetName
* 编码
* @param debug
* 是否调试
* @throws UnsupportedEncodingException
*/
public static void displayEncode(String str, String charsetName,
boolean debug) throws UnsupportedEncodingException {
System.out.println("----------------------------------");
byte[] bytes = str.getBytes(charsetName);
int bytes_length = bytes.length;
System.out.println("字符:" + str + "\t编码:" + charsetName + "\t共占用"
+ bytes_length + "bytes(字节)," + bytes_length * 8
+ "bit(位)\t每个字节的情况如下:");
for (int i = 0; i < bytes_length; i++) {
System.out.print("bytes[" + i + "]的十进制为:" + bytes[i]);// 获取byte字节
Integer int_byte = (int) bytes[i];// 强制转化为int,应为bytes只占8bit,而int占32bit所以个人认为万无一失.
String binaryString = Integer.toBinaryString(int_byte);// 获取整数的2进制的String表示方式
String hexString = Integer.toHexString(int_byte);// 获取整数的16进制的String表示方式
String octalString = Integer.toOctalString(int_byte);// 获取整数的16进制的String表示方式
if (debug) {
System.out.print("\t对应的十进制为:" + int_byte);
System.out.print("\t对应整数的二进制为:" + binaryString);
System.out.print("\t对应整数的八进制为:" + octalString);
System.out.print("\t对应整数的十六进制为:" + hexString);
}
/** **八进制格式显示* */
int octalString_length = octalString.length();
System.out.print("\t八进制为:"
+ octalString.substring(octalString_length - 2,
octalString_length));
/** **十六进制格式显示* */
int hexString_length = hexString.length();
System.out.print("\t十六进制为:"
+ hexString.substring(hexString_length - 2,
hexString_length));
/** **为了方便阅读,将二进制以每4位一组的格式显示* */
// 不足8位的,在前段加"0"补齐
while (binaryString.length() < 8) {
binaryString = "0" + binaryString;
}
int binaryString_length = binaryString.length();
String first = binaryString.substring(binaryString_length - 8,
binaryString_length - 4);// 取前4位
String second = binaryString.substring(binaryString_length - 4,
binaryString_length);// 取后4位
System.out.println("\t二进制为:" + first + " " + second);
}
System.out.println();
}
public static void main(String[] args) throws UnsupportedEncodingException {
// 通过UltraEdit知道: 汉字"我"在gbk编码下的十六进制是"ced2";
boolean debug = false;
String str = "";
String utf_8 = "utf-8";
String gbk = "gbk";
String gb2312 = "gb2312";
String iso8859_1 = "iso8859-1";
str = "我";
System.out.println("*****************" + str + "*******************\n");
displayEncode(str, utf_8, debug);
displayEncode(str, gbk, debug);
displayEncode(str, gb2312, debug);
displayEncode(str, iso8859_1, debug);
str = "A";
System.out.println("*****************" + str + "*******************\n");
displayEncode(str, utf_8, debug);
displayEncode(str, gbk, debug);
displayEncode(str, gb2312, debug);
displayEncode(str, iso8859_1, debug);
str = "1";
System.out.println("*****************" + str + "*******************\n");
displayEncode(str, utf_8, debug);
}
}
实验结果如下:
*****************我*******************
----------------------------------
字符:我 编码:utf-8 共占用3bytes(字节),24bit(位) 每个字节的情况如下:
bytes[0]的十进制为:-26 八进制为:46 十六进制为:e6 二进制为:1110 0110
bytes[1]的十进制为:-120 八进制为:10 十六进制为:88 二进制为:1000 1000
bytes[2]的十进制为:-111 八进制为:21 十六进制为:91 二进制为:1001 0001
----------------------------------
字符:我 编码:gbk 共占用2bytes(字节),16bit(位) 每个字节的情况如下:
bytes[0]的十进制为:-50 八进制为:16 十六进制为:ce 二进制为:1100 1110
bytes[1]的十进制为:-46 八进制为:22 十六进制为:d2 二进制为:1101 0010
----------------------------------
字符:我 编码:gb2312 共占用2bytes(字节),16bit(位) 每个字节的情况如下:
bytes[0]的十进制为:-50 八进制为:16 十六进制为:ce 二进制为:1100 1110
bytes[1]的十进制为:-46 八进制为:22 十六进制为:d2 二进制为:1101 0010
----------------------------------
字符:我 编码:iso8859-1 共占用1bytes(字节),8bit(位) 每个字节的情况如下:
bytes[0]的十进制为:63 八进制为:77 十六进制为:3f 二进制为:0011 1111 (查ASSCII码表可得"?",常见的乱码,呵呵
,但为什么先取得是这个二进制呢??????)
*****************A*******************
----------------------------------
字符:A 编码:utf-8 共占用1bytes(字节),8bit(位) 每个字节的情况如下:
bytes[0]的十进制为:65 八进制为:01 十六进制为:41 二进制为:0100 0001
----------------------------------
字符:A 编码:gbk 共占用1bytes(字节),8bit(位) 每个字节的情况如下:
bytes[0]的十进制为:65 八进制为:01 十六进制为:41 二进制为:0100 0001
----------------------------------
字符:A 编码:gb2312 共占用1bytes(字节),8bit(位) 每个字节的情况如下:
bytes[0]的十进制为:65 八进制为:01 十六进制为:41 二进制为:0100 0001
----------------------------------
字符:A 编码:iso8859-1 共占用1bytes(字节),8bit(位) 每个字节的情况如下:
bytes[0]的十进制为:65 八进制为:01 十六进制为:41 二进制为:0100 0001
*****************1*******************
----------------------------------
字符:1 编码:utf-8 共占用1bytes(字节),8bit(位) 每个字节的情况如下:
bytes[0]的十进制为:49 八进制为:61 十六进制为:31 二进制为:0011 0001
从中可以看出汉字在utf-8编码下,占用3个字节,GBK,gb2312占用2个字节,用iso8859-1只能取出一个字节(造成乱码的原因之一
)
另外getBytes(charsetName);方法很强劲啊,回头想看看源代码,呵呵
）。
。
社区：
