Java的編碼解碼

前言：

介紹編碼和解碼之前，我們先了解一下我們的計算機，計算機中存儲數(shù)據(jù)的具體單位是存儲單元，

一個最小的信息單元就是“位”（bit），一"位"只能表示0和1中的一個，即一個二進制位；

“字節(jié)”（Byte）：是由相連8個位組成的信息存儲單位，它是目前計算機最基本的存儲單位，一個字節(jié)通常可以存儲一個字符（如字母、數(shù)字等）。只有字節(jié)才有地址的概念。對一種計算機的存儲設(shè)備以字節(jié)為單位賦予的地址稱為字節(jié)編址；也是目前計算機最基本的存儲單元編址；

java的基本數(shù)據(jù)類型：

數(shù)據(jù)類型bit數(shù)說明

byte	8位	最大存儲數(shù)據(jù)量是255，存放的數(shù)據(jù)范圍是-128~127之間
short	16位	最大數(shù)據(jù)存儲量是65536，數(shù)據(jù)范圍是-32768~32767之間
int	32位	最大數(shù)據(jù)存儲容量是2的32次方減1，數(shù)據(jù)范圍是負的2的31次方到正的2的31次方減1
long	64位	最大數(shù)據(jù)存儲容量是2的64次方減1，數(shù)據(jù)范圍為負的2的63次方到正的2的63次方減1
float	32位	數(shù)據(jù)范圍在3.4e-45~1.4e38，直接賦值時必須在數(shù)字后加上f或F
double	64位	數(shù)據(jù)范圍在4.9e-324~1.8e308，賦值時可以加d或D也可以不加
boolean		只有true和false兩個取值
char	16位	存儲Unicode碼，用單引號賦值

進入今天的正題：

首先要知道編碼和解碼是char和byte兩個數(shù)據(jù)類型之間轉(zhuǎn)換中產(chǎn)生的；

為什么要編碼？

最直接的回答就是防止我們的中文和一些特殊字符出現(xiàn)亂碼的現(xiàn)象；

詳細點講就是計算機只能識別0和1兩個數(shù)字，所有的符號和文字都必須經(jīng)過轉(zhuǎn)換編碼才能“翻譯”成我們計算機認識的“語言”，相反也是，我們要想顯示出我們能讀懂的“語言”也必須要進行相應(yīng)的解碼才能從計算機中顯示出我們能看懂的文字；

總的來說編碼的原因有：

計算機中存儲信息的最小單元是一個字節(jié)即 8 個 bit，所以能表示的字符范圍是 0~255 個（2的8次方）

人類要表示的符號太多，每個符號無法用一個字節(jié)來完全表示

要解決這個矛盾必須需要一個新的數(shù)據(jù)結(jié)構(gòu) char，從 char 到 byte 必須編碼

如何編碼和解碼呢？

那就是通過一種特定的編碼格式轉(zhuǎn)換，其實現(xiàn)在有很多中的編碼格式，只要讓計算機按照規(guī)定的編碼格式進行轉(zhuǎn)化，就可以顯示成我們自己的字符。那現(xiàn)在就介紹一下目前最常見的一些編碼格式；

首先我們要知道編碼和編碼格式是有區(qū)別的？
編碼就是一個編號（數(shù)字）到字符的一種映射關(guān)系，是一種一對一的映射關(guān)系。Unicode和ASCII 就是屬于兩種編碼，但這兩種編碼能編碼的范圍不同，Unicode 能編碼的范圍要更大一些，幾乎能覆蓋現(xiàn)存的所有字符（Java語言使用的就是該碼表）；

ASCII碼
在計算機種中，1 字節(jié)對應(yīng) 8 位二進制數(shù)，而每位二進制數(shù)有 0、1 兩種狀態(tài)，因此 1 字節(jié)可以組合出 256 種狀態(tài)。如果這 256 中狀態(tài)每一個都對應(yīng)一個符號，就能通過 1 字節(jié)的數(shù)據(jù)表示 256 個字符。美國人于是就制定了一套編碼（其實就是個字典），描述英語中的字符和這 8 位二進制數(shù)的對應(yīng)關(guān)系，這被稱為 ASCII 碼。

ASCII 碼一共定義了 128 個字符，例如大寫的字母 A 是 65（這是十進制數(shù)，對應(yīng)二進制是0100 0001）。這 128 個字符只使用了 8 位二進制數(shù)中的后面 7 位，最前面的一位統(tǒng)一規(guī)定為 0。

Unicode
Unicode 只是一個字符集，規(guī)定了符合對應(yīng)的二進制代碼，至于這個二進制代碼如何存儲則沒有任何規(guī)定。它的想法很簡單，就是為每個字符規(guī)定一個用來表示該字符的數(shù)字，僅此而已。

Unicode編碼方案

之前提到，Unicode 沒有規(guī)定字符對應(yīng)的二進制碼如何存儲。以漢字“漢”為例，它的 Unicode 碼點是 0x6c49，對應(yīng)的二進制數(shù)是 110110001001001，二進制數(shù)有 15 位，這也就說明了它至少需要 2 個字節(jié)來表示。可以想象，在 Unicode 字典中往后的字符可能就需要 3 個字節(jié)或者 4 個字節(jié)，甚至更多字節(jié)來表示了。

這就導(dǎo)致了一些問題，計算機怎么知道你這個 2 個字節(jié)表示的是一個字符，而不是分別表示兩個字符呢？這里我們可能會想到，那就取個最大的，假如 Unicode 中最大的字符用 4 字節(jié)就可以表示了，那么我們就將所有的字符都用 4 個字節(jié)來表示，不夠的就往前面補 0。這樣確實可以解決編碼問題，但是卻造成了空間的極大浪費，如果是一個英文文檔，那文件大小就大出了 3 倍，這顯然是無法接受的。
于是，為了較好的解決 Unicode 的編碼問題， UTF-8 和 UTF-16 兩種當(dāng)前比較流行的編碼方式誕生了。當(dāng)然還有一個 UTF-32 的編碼方式，也就是上述那種定長編碼，字符統(tǒng)一使用 4 個字節(jié)，雖然看似方便，但是卻不如另外兩種編碼方式使用廣泛。

對于編碼格式目前最常見的是UTF-8、GBK，它們都是用來序列化或存儲 Unicode 編碼的數(shù)據(jù)的，但是分別是2中不同的格式，他們都是 Unicode 的實現(xiàn)方式，當(dāng)然也還有很多，這里就先介紹這兩種啦。

• GBK

  全稱叫《漢字內(nèi)碼擴展規(guī)范》，是國家技術(shù)監(jiān)督局為 windows95 所制定的新的漢字內(nèi)碼規(guī)范，它的出現(xiàn)是為了擴展 GB2312，加入更多的漢字，它的編碼范圍是 8140~FEFE（去掉 XX7F）總共有 23940 個碼位，它能表示 21003 個漢字，它的編碼是和 GB2312 兼容的，也就是說用 GB2312 編碼的漢字可以用 GBK 來解碼，并且不會有亂碼。

• UTF-8

  UTF-8 采用了一種變長技術(shù)，每個編碼區(qū)域有不同的字碼長度。不同類型的字符可以是由 1~6 個字節(jié)組成。

編碼規(guī)則：

如果一個字節(jié)，最高位（第 8 位）為 0，表示這是一個 ASCII 字符（00 - 7F）。可見，所有 ASCII 編碼已經(jīng)是 UTF-8 了。

如果一個字節(jié)，以 11 開頭，連續(xù)的 1 的個數(shù)暗示這個字符的字節(jié)數(shù)，例如：110xxxxx 代表它是雙字節(jié) UTF-8 字符的首字節(jié)。

如果一個字節(jié)，以 10 開始，表示它不是首字節(jié)，需要向前查找才能得到當(dāng)前字符的首字節(jié)

使用utf-8進行編碼解碼
“漢”的 Unicode 碼點是 0x6c49（110 1100 0100 1001），通過上面的對照表可以發(fā)現(xiàn)，0x0000 6c49 位于第三行的范圍，那么得出其格式為 1110xxxx 10xxxxxx 10xxxxxx。接著，從“漢”的二進制數(shù)最后一位開始，從后向前依次填充對應(yīng)格式中的 x，多出的 x 用 0 補上。這樣，就得到了“漢”的 UTF-8 編碼為 11100110 10110001 10001001，轉(zhuǎn)換成十六進制就是 0xE6 0xB7 0x89。

解碼的過程也十分簡單：如果一個字節(jié)的第一位是 0 ，則說明這個字節(jié)對應(yīng)一個字符；如果一個字節(jié)的第一位1，那么連續(xù)有多少個 1，就表示該字符占用多少個字節(jié)。

java中編解碼場景

流讀取文件，其中就存在著字符與字節(jié)之間的轉(zhuǎn)換; InputStreamReader 類就是關(guān)聯(lián)字節(jié)到字符的橋梁，它負責(zé)在 I/O 過程中處理讀取字節(jié)到字符的轉(zhuǎn)換；

// 創(chuàng)建指定字符集的 InputStreamReader InputStreamReader(InputStream in, String CharsetName) // 創(chuàng)建使用指定字符集的 OutputStreamWriter OutputStreamWriter(OutputStream out, String CharsetName)

處理字符串編碼問題

//獲取utf-8對應(yīng)的的字符集 Charset charset = Charset.forName("utf-8"); //將字符串通過utf-8進行編碼轉(zhuǎn)化成字節(jié) byte[] bytes = str.getBytes(charset); //再將字節(jié)根據(jù)相同的編碼格式進行解碼 String string = new String(bytes, "utf-8"); System.out.println(string);

處理請求參數(shù)傳遞編碼問題

URLEncoder.encode(strUri, "UTF-8"); URLDecoder.decode(strUri, "UTF-8");

值得一看的相關(guān)文章：https://blog.csdn.net/troyaninpc/article/details/79476751

下一篇：session會話理解

總結(jié)

以上是生活随笔為你收集整理的Java的编码解码的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。