Board logo

标题: Java中字符之间的转化 [打印本页]
作者: qingqing3721    时间: 2011-7-19 07:56     标题: 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。



欢迎光临 编程开发论坛 (http://bbs.lihuasoft.net/) Powered by Discuz! 6.0.0