发新话题
打印

Java中字符之间的转化

Java中字符之间的转化

1、函数引见在Java中, 字符串用一致的Unicode编码, 每个字符占用两个字节, 与编码有关的两个主要函数为:1)将字符串用指定的编码集合解析成字节数组, 完成Unicode-〉charsetName转换public byte[] getBytes(String charsetName) throws UnsupportedEncodingException
  2)将字节数组以指定的编码集合构形成字符串, 完成charsetName-〉Unicode转换public String(byte[] bytes,  String charsetName) throws UnsupportedEncodingException
  2、Unicode与各编码之间的直接转换下面以对中文字符串"a中文"的编码转换为例, 来了解各种编码之间的转换1)Unicode和GBK测试结果如下, 每个汉字转换为两个字节, 且是可逆的, 即通过字节可以转换回字符串String-GBK〉ByteArray:\u0061\u4E2D\u6587(a中文)-〉0x61 0xD6 0xD0 0xCE 0xC4 ByteArray-GBK〉String:0x61 0xD6 0xD0 0xCE 0xC4-〉\u0061\u4E2D\u6587(a中文)
  2)Unicode和UTF-8测试结果如下, 每个汉字转换为三个字节, 且是可逆的, 即通过字节可以转换回字符串String-UTF-8〉ByteArray:\u0061\u4E2D\u6587(a中文)-〉0x61 0xE4 0xB8 0xAD 0xE6%0x96 0x87 ByteArray-UTF-8〉String:0x61 0xE4 0xB8 0xAD 0xE6%0x96 0x87-〉\u0061\u4E2D\u6587(a中文)
  3)Unicode和ISO-8859-1测试结果如下, 当存在汉字时转换失败, 非可逆, 即通过字节不能再转换回字符串String-ISO-8859-1〉ByteArray:\u0061\u4E2D\u6587(a中文)-〉0x61 0x3F 0x3F ByteArray-ISO-8859-1〉String:0x61 0x3F 0x3F-〉\u0061\u003F\u003F(a??)
  3、Unicode与各编码之间的穿插转换在下面直接转换中, 由字符串(Unicode)生成的字节数组, 在构造回字符串时, 使用的是正确的编码集合, 假设使用的不是正确的编码集合会怎样呢?会正确构造吗?假设不能正确构造能有办法恢复吗?会信息丧失吗?
  下面我们就来看看这种状况, 这部分可以说明在某些状况下虽然我们最终正确显示了却果, 但其间仍然进行了不正确的转换。
  1)能够正确显示的中间不正确转换我们知道String-GBK〉ByteArray-GBK〉String是正确的, 但假设我们采用String-GBK〉ByteArray-ISO-8859-1〉String呢?通过测试结果如下:String-GBK〉ByteArray-ISO-8859-1〉String:\u0061\u4E2D\u6587(a中文)-〉0x61 0xD6 0xD0 0xCE 0xC4-〉\u0061\u00D6\u00D0\u00CE\u00C4(a????)
  这时我们失掉的字符串为?乱码“a????”, 但是通过继续转换我们仍然可以恢复回正确的字符串“a中文”, 进程如下:String-GBK〉ByteArray-ISO-8859-1〉String-ISO-8859-1〉ByteArray-GBK〉String对应:\u0061\u4E2D\u6587(a中文)-〉0x61 0xD6 0xD0 0xCE 0xC4-〉\u0061\u00D6\u00D0\u00CE\u00C4(a????)-〉0x61 0xD6 0xD0 0xCE 0xC4-〉\u0061\u4E2D\u6587(a中文)
  也就是我们在初次构造字符串时, 我们用了错误的编码集合失掉了错误的乱码, 但是我们通过错上加错, 再用错误的编码集合获取字节数组, 然后再用正确的编码集合构造, 就又恢复了正确的字符串。 这时就属于是“能够正确显示的中间不正确转换”。 在Jsp页面提交数据处理时常常发作这种状况。
  此外能够正确显示的中间不正确转换还有:String-UTF-8〉ByteArray-ISO-8859-1〉String-ISO-8859-1〉ByteArray-UTF-8〉String和String-UTF-8〉ByteArray-GBK〉String-GBK〉ByteArray-UTF-8〉String对应:\u0061\u4E2D\u6587(a中文)-〉0x61 0xE4 0xB8 0xAD 0xE6%0x96 0x87-〉\u0061\u6D93\uE15F\u6783(a涓枃)-〉0x61 0xE4 0xB8 0xAD 0xE6%0x96 0x87-〉\u0061\u4E2D\u6587(a中文)
  4、编码进程中错误诊断参考1)一个汉字对应一个问号在通过ISO-8859-1从字符串获取字节数组时, 由于一个Unicode转换成一个byte, 当遇到不看法的Unicode时, 转换为0x3F, 这样无论用哪种编码构造时都会发生一个?乱码。
  2)一个汉字对应两个问号在通过GBK从字符串获取字节数组时, 由于一个Unicode转换成两个byte, 假设此时用ISO-8859-1或用UTF-8构造字符串就会出现两个问号。涉趣
  若是通过ISO-8859-1构造可以再通过下面所说的错上加错恢复(即再通过从ISO-8859-1解析, 用GBK构造);若是通过UTF-8构造则会发生Unicode字符"\uFFFD", 不能恢复, 若再通过String-UTF-8〉ByteArray-GBK〉String, 则会出现杂码, 如a锟斤拷锟斤拷3)一个汉字对应三个问号在通过UTF-8从字符串获取字节数组时, 由于一个Unicode转换成三个byte, 假设此时用ISO-8859-1构造字符串就会出现三个问号;用GBK构造字符串就会出现杂码, 如a涓?枃。
jiyizhen-buy.com颈椎保健枕太空记忆枕 igerl.com歌瑞尔内衣

TOP

发新话题