JAVA里字符編碼的探索與理解
今天終于把JAVA里一個比較頭痛的問題——字符編碼弄清晰了，所以寫一篇文章來紀念一下，也為大家提供一點自己的心得。
眾所周知，JAVA為了國際通用，用的是UNICODE來保存里面的字符。而UNICODE只是一個種字符集，字符的存儲和表示要用到一定的字符編碼格式，而與UNICODE對應的字符編碼格式就是我們常看到的UTF-8,UTF-16等等，而UTF-8是最常用的，所以人們常常把它和UNICODE等同起來(我以前就是這樣的)，這在某些情況下是沒有錯的，但這樣的理解在JAVA里就會產生一些混淆。我們用下面的程序來演示一下。
定義一個字符串
String name = "堂";
這個字符串就一個字符，把它取出來
char c_name = name.charAt(0);
JAVA里的char型是十六位的(兩個字節)，但是如果是用UTF-8的話可能會不只兩位(UTF-8是變長存儲的)，那看來JAVA本身并不是用UTF-8來保存的，口說無憑，做個實驗吧。
首先看看char里保存的內容
| int low = (c_name) & 0xff;//取c_name的低位 int high = (c_name >> 8) & 0xff;//取c_name的高位 System.out.println(Integer.toHexString(high) + " " + Integer.toHexString(low)); |
結果是58 02
只有兩個字節而已(16位)，那么真正的UTF-8編碼的內容是什么呢，再看看吧。
為了方便，我寫了一個輔助方法printbyte，作用是把一個byte數組的每個元素按照十六進制格式打印出來，同樣為了方便，我把它作為靜態方法。
#p#
| public static void printbyte(byte[] bt) { for (int i = 0; i < bt.length; i++) { int hex = (int)bt[i] & 0xff; System.out.print(Integer.toHexString(hex) + " "); } System.out.println(" length = "+bt.length); } byte[] utf_8 = name.getBytes("utf-8"); printbyte(utf_8); |
結果是e5 a0 82 length = 3
哇，三個字節!看來JAVA內部用的真不是UTF-8，那用的是什么呢?UTF-16?看一下便知。
| byte[] utf_16 = name.getBytes("utf-16"); printbyte(utf_16); |
結果是fe ff 58 02 length = 4，靠，四個字節了。咦?后面的低16位不正是和開始c_name的十六進制表示一樣的嗎?看來JAVA真正的內部字符編碼和UTF-16有或多或少的聯系。JAVA內部究竟是用的什么字符編碼呢?這個問題我也找了很久，后來在THINK IN JAVA 3rd的12章里看到一個例子出現了UTF-16BE，難道是它?
| byte[] utf_16be = name.getBytes("utf-16be"); printbyte(utf_16be); 結果出來了：58 02 length = 2 |
哈哈，I got it!不多不少兩個字節，內容也一樣。果然是它。同時我在里面也看到，UNICODE的編碼還有一個LE，這里的BE,LE我想應該是bigendian和littleendian吧。
【編輯推薦】
