Java中的字节，字符与编码，解码
ASCII编码
ASCII码主要是为了表示英文字符而设计的，ASCII码一共规定了128个字符的编码(0x00-0x7F)，只占用了一个字节的后面7位，最前面的1位统一规定为0。
ISO-8859-1编码
为了扩展覆盖其他语言字符，ISO组织在ASCII码基础上又制定了一系列标准用来扩展ASCII编码，它们是ISO-8859-1~ISO-8859-15，其中ISO-8859-1应用得最广泛。
ISO-8859-1仍然是单字节编码，它总共能表示256个字符。ISO-8859-1向下兼容ASCII，其编码范围是0x00-0xFF，0x00-0x7F之间完全和ASCII一致。
因为ISO-8859-1编码范围使用了单字节内的所有空间，在支持ISO-8859-1的系统中传输和存储其他任何编码的字节流都不会被抛弃。换言之，把其他任何编码的字节流当作ISO-8859-1编码看待都没有问题。
Unicode，UCS2和UCS4
Unicode是为整合全世界的所有语言文字而诞生的。任何文字在Unicode中都对应一个值，这个值称为代码点（Code Point），常写成 U+XXXX的格式。而文字和代码点之间的对应关系就有UCS-2和UCS-4。
UCS-2：用两个字节来表示代码点，其取值范围为 U+0000～U+FFFF。
UCS-4：为了能表示更多的文字，人们又提出了UCS-4，即用四个字节表示代码点。它的范围为 U+00000000～U+7FFFFFFF，其中U+00000000～U+0000FFFF和UCS-2是一样的。
要注意，UCS-2和UCS-4只规定了代码点和文字之间的对应关系，并没有规定代码点在计算机中如何存储。规定存储方式的称为UTF（Unicode Transformation Format），其中应用较多的就是UTF-8和UTF-16了。
UTF-8，UTF-16，UTF-32
UTF-32是对应于UCS-4，不常用。
UTF-16是完全对应于UCS-2的，即把UCS-2规定的代码点通过Big Endian或Little Endian方式直接保存下来。所以UTF-16采用2个字节来存储Unicode。UTF-16也可以表示UCS-4的部分字符，所以UTF-16也采用4个字节来存储Unicode。
UTF-8为了节约存储空间和网络传输的流量UTF-8采用了一种变长技术，每个编码区域有不同的字码长度。不同类型的字符可以由1-6个字节组成。
Java采用UTF-16编码。在Java诞生的时候，UTF-16编码使用的更广泛，而且定长编码的形式也方便计算器处理。后来，随着互联网的流行和壮大，互联网的普及，强烈要求出现一种统一的编码方式，UTF-8编码才得以出现。
关于Unicode与UTF-8之间的转换，可参考http://cmsblogs.com/?p=1458
Big Endian，Little Endian与文本开头的标志
一个字符可能占用多个字节，比如字符0xABCD，如果存储为AB CD，则称为Big Endian；如果存储为 CD AB，则称为Little Endian。
要知道具体是哪种编码方式,需要判断文本开头的标志:
| EF BB BF | UTF-8([EF BB BF]也称为BOM，可选项，一般Windows加，Linux不加) |
| FE FF | UTF-16/UCS-2, little endian(默认) |
| FF FE | UTF-16/UCS-2, big endian |
| FF FE 00 00 | UTF-32/UCS-4, little endian(默认) |
| 00 00 FE FF | UTF-32/UCS-4, big-endian |
字节，字符转换及不同编码格式编码，解码
Java中字节是byte，占8位(1 byte = 8 bit)，最高位是符号位，表示范围为-128~127。[代码1]
Java规定了字符的内码要用UTF-16编码，占16位(2 byte = 16 bit)表示范围为0~65535(没有符号位)，用char表示(内码是程序内部使用的字符编码，特别是某种语言实现其char或String类型在内存里用的内部编码)。[代码2]
String.getBytes()是一个用于将String的内码转换为指定的外码的方法。无参数版使用平台的默认编码作为外码，有参数版使用参数指定的编码作为外码；将String的内容用外码编码好，结果放在一个新byte[]返回。[代码3]
字节流与字符流
InputStream为字节输入流的所有类的超类，Reader为读取字符流的抽象类。java读取文件的方式分为按字节流读取和按字符流读取，其中InputStream、Reader是这两种读取方式的超类。
其实字符流可以看做是一种包装流，它的底层还是采用字节流来读取字节，然后它使用指定的编码方式将读取字节解码为字符。在读取的时候字符读取每次是读取2个字节，字节流每次读取1个字节。[代码4]
Java web中的编码，解码
用户向服务器发送HTTP请求主要有以下两种方式：
1.URL方式直接访问
浏览器将会对URL的path和parameter(QueryString)进行编码操作。URL的编码规范规定浏览器将非ASCII字符按照某种编码格式编码成16进制数字然后将每个16进制表示的字节前加上"%"。但是对于不同的浏览器，版本，操作系统等环境都会导致编码结果不同。例Chrom使用UTF-8：[http://www.baidu.com/a我是?mparam=abc 我是谁] --> [http://www.baidu.com/a%E6%88%91?param=abc%20%E6%88%91%E6%98%AF%E8%B0%81]
服务器使用固定编码进行解码操作，如tomcat8以后默认编码格式是UTF-8；7之前的都是ISO-8859-1。也可以在/conf/server.xml中修改。
URL方式提交数据是很容易产生乱码问题的。关于一些解决乱码的方法，可参考http://cmsblogs.com/?p=1526，核心思想是直接通过JS一次或两次Encode，跳过浏览器的Encode。
2.表单提交(GET/POST)
表单形式一般都不会出现乱码问题。它采用的编码是由页面来决定的即charset。
1 <!DOCTYPE html> 2 <html> 3 <head> 4 <meta charset="UTF-8"> 5 <title>Title</title> 6 </head> 7 <body> 8 </body> 9 </html>
它可以通过JSP设定。
<%@ page language="java" contentType="text/html; charset=UTF-8" pageEncoding="UTF-8" %>
其中pageEncoding是jsp文件，而contentType的charset是指服务器发送给客户端时的内容编码。
流程大致为：JSP File ---[use pageEncoding/file.encoding]---> servlet.java ---[UTF-16]---> servlet.class ---[contentType/ISO-8859-1]---> Browser ---> HTML
[代码1]
1 public static void main(String[] args) { 2 // 十六进制表示-128,127 3 byte b1 = -0x80, b2 = 0x7F; 4 System.out.println(b1 + ", " + b2); // output: -128, 127 5 // 八进制表示-128,127 6 byte b3 = -0200, b4 = 0177; 7 System.out.println(b3 + ", " + b4); // output: -128, 127 8 // 十进制表示-128,127 9 byte b5 = -128, b6 = 127; 10 System.out.println(b5 + ", " + b6); // output: -128, 127 11 // 也可以用0x00-0x7F的ASCII表示 12 byte b7 = '9', b8 = 'a'; 13 System.out.println(b7 + ", " + b8); // output: 57, 97 14 // 如果想把-128~-1转化成128~255可以用下面方法(负数存补码) 15 byte b9 = -0x00, b10 = -0x01, b11 = -0x80; 16 System.out.println(Byte.toUnsignedInt(b9) + ", " + Byte.toUnsignedInt(b10) + ", " + Byte.toUnsignedInt(b11));// output: 0, 255, 128 17 }
[代码2]
1 public static void main(String[] args) { 2 // char也可以八,十,十六用进制表示 3 char c1 = 0x61; // 'a' 4 char c2 = 0x6211; // '我' 5 System.out.println(c1 + ", " + c2); // output: a, 我 6 }
[代码3]
1 public static void main(String[] args) throws Exception { 2 // 对字符串用不同编码格式编码 3 String s1 = "abc 我是谁"; 4 char[] chars1 = s1.toCharArray(); 5 byte[] bytes1 = s1.getBytes("ISO-8859-1"); 6 byte[] bytes2 = s1.getBytes("GBK"); 7 byte[] bytes3 = s1.getBytes("UTF-8"); 8 byte[] bytes4 = s1.getBytes("UTF-16"); 9 printChart(chars1); // output: 61 62 63 20 6211 662F 8C01 10 printChart(bytes1); // output: 61 62 63 20 3F 3F 3F 11 printChart(bytes2); // output: 61 62 63 20 CE D2 CA C7 CB AD 12 printChart(bytes3); // output: 61 62 63 20 E6 88 91 E6 98 AF E8 B0 81 13 printChart(bytes4); // output: FE FF 00 61 00 62 00 63 00 20 62 11 66 2F 8C 01 14 // 对字符串用不同编码格式解码 15 System.out.println(Charset.defaultCharset().name()); // output: GBK （不同操作系统不同语言默认的系统编码格式有可能不同，LZ是中文Win7） 16 System.out.println(chars1); // output: abc 我是谁 17 System.out.println(new String(bytes1, "ISO-8859-1")); // output: abc ???(不可逆的乱码) 18 System.out.println(new String(bytes2)); // output: abc 我是谁 19 System.out.println(new String(bytes2, "UTF-8")); // output: abc ?????(乱码) 20 System.out.println(new String(bytes3, "UTF-8")); // output: abc 我是谁 21 System.out.println(new String(bytes4, "UTF-16")); // output: abc 我是谁 22 }
| 标志 | a | b | c | （空格） | 我 | 是 | 谁 | |
| toCharArray[内码] | 61 | 62 | 63 | 20 | 62 11 | 66 2F | 8C 01 | |
| ISO-8859-1 | 61 | 62 | 63 | 20 | 3F | 3F | 3F | |
| GBK | 61 | 62 | 63 | 20 | CE D2 | CA C7 | CB AD | |
| UTF-8 | 61 | 62 | 63 | 20 | E6 88 91 | E6 98 AF | E8 B0 81 | |
| UTF-16 | FE FF | 00 61 | 00 62 | 00 63 | 00 20 | 62 11 | 66 2F | 8C 01 |
[代码4]
1 public static void main(String[] args) throws Exception { 2 // 读字节流 3 readByte("./conf/test2_GBK", "UTF-8"); // output: abc ?????(乱码) 4 readByte("./conf/test2_GBK", "GBK"); // output: abc 我是谁 5 readByte("./conf/test2_UTF-8", "UTF-8"); // output: abc 我是谁 6 readByte("./conf/test2_UTF-16", "UTF-16"); // output: abc 我是谁 7 // 读字符流 8 readChar("./conf/test2_GBK", "UTF-8"); // output: abc ?????(乱码) 9 readChar("./conf/test2_GBK", "GBK"); // output: abc 我是谁 10 readChar("./conf/test2_UTF-8", "UTF-8"); // output: abc 我是谁 11 readChar("./conf/test2_UTF-16", "UTF-16"); // output: abc 我是谁 12 }
[静态方法]
1 /** 2 * char转换为16进制 3 */ 4 public static void printChart(char[] chars) { 5 for (int i = 0; i < chars.length; i++) { 6 System.out.print(Integer.toHexString(chars[i]).toUpperCase() + " "); 7 } 8 System.out.println(); 9 } 10 11 /** 12 * byte转换为16进制 13 */ 14 public static void printChart(byte[] bytes) { 15 for (int i = 0; i < bytes.length; i++) { 16 String hex = Integer.toHexString(bytes[i] & 0xFF); 17 if (hex.length() == 1) { 18 hex = '0' + hex; 19 } 20 System.out.print(hex.toUpperCase() + " "); 21 } 22 System.out.println(); 23 } 24 25 /** 26 * 字节流读取 27 */ 28 private static void readByte(String fileName, String charset) { 29 InputStream input = null; 30 StringBuilder sb = new StringBuilder(); 31 try { 32 input = new FileInputStream(new File(fileName)); 33 byte[] bytes = new byte[64]; 34 // InputStream.read()每次都只读取一个字节，效率非常慢，所以使用read(byte[])做为一个缓冲数组 35 for (int n; (n = input.read(bytes)) != -1; ) { 36 String str = new String(bytes, 0, n, charset); 37 sb.append(str); 38 } 39 } catch (IOException e) { 40 e.printStackTrace(); 41 } finally { 42 try { 43 input.close(); 44 } catch (IOException e) { 45 e.printStackTrace(); 46 } 47 } 48 System.out.println(sb.toString()); 49 } 50 51 /** 52 * 字符流读取 53 */ 54 private static void readChar(String fileName, String charset) { 55 Reader input = null; 56 StringBuilder sb = new StringBuilder(); 57 try { 58 // FileReader继承了InputStreamReader，但并没有实现父类中带字符集参数的构造函数，所以FileReader只能按系统默认的字符集来解码 59 // input = new FileReader(new File(fileName)); 60 input = new InputStreamReader(new FileInputStream(fileName), charset); 61 // FileReader.read()每次都只读取一个字符，效率非常慢，所以使用read(char[])做为一个缓冲数组 62 char[] chars = new char[64]; 63 for (int n; (n = input.read(chars)) != -1; ) { 64 sb.append(chars, 0, n); 65 } 66 } catch (IOException e) { 67 e.printStackTrace(); 68 } finally { 69 try { 70 input.close(); 71 } catch (IOException e) { 72 e.printStackTrace(); 73 } 74 } 75 System.out.println(sb.toString()); 76 }
