Java字符串编码知识点详解介绍

时间:2022-11-07 bjpowernode 人气:2

在 Java 中，当我们处理String时，有时需要将字符串编码为特定字符集。编码是一种将数据从一种格式转换为另一种格式的方法。字符串对象使用 UTF-16 编码。UTF-16 的问题在于它不能被修改。只有一种方法可以用来获得不同的编码，即 byte[] 数组。如果我们得到意外的数据，编码的方式是不合适的。在本节中，我们将学习如何在Java中对字符串进行编码。

在继续本节之前，我们必须了解字符编码。让我们快速浏览一下。让我们了解为什么我们需要对字符串进行编码。

字符编码是一种将文本数据转换为二进制数的技术。我们可以为特定字符分配唯一的数值，并将这些数字转换为二进制语言。这些二进制数稍后可以根据它们的值转换回原始字符。

问题

假设我们有德语字符串Tschüss，需要对其进行编码。考虑以下代码片段：

字符串 str =  "Tschüss" ;   
字节[] bytesOfString = str.getBytes();   
String encoded_String =  new  String(bytesOfString, StandardCharsets.US_ASCII); assertNotEquals(encoded_String, str);

如果我们使用 US_ASCII 对字符串进行编码，它会给出Tsch?ss，因为 US_ASCII 编码不理解非 ASCII 字符 ( ü )。当我们将 ASCII 编码的字符串转换为 UTF-8 时，我们得到相同的字符串。

字符串 str =  "再见" ;   
字节[] bytesOfString = str.getBytes();   
String asciiEncondedEnglishString =  new  String(bytesOfString, StandardCharsets.US_ASCII);   
assertEquals(encoded_String, str);

如果 byte[] 数组包含非 Unicode 文本，我们可以使用String构造函数将文本转换为 Unicode。相反，我们也可以使用String.getBytes()方法将 String 对象转换为非 Unicode 字符的 byte[] 数组。让我们使用getBytes()方法对字符串进行编码。

使用 String.getBytes() 方法

Java String类提供了getBytes() 方法，用于将字符串编码为 UTF-8。该方法将字符串转换为字节序列并将结果存储到数组中。

句法：

公共字节[] getBytes(String charsetName) 抛出 UnsupportedEncodingException

它将 charsetName 解析为参数并返回字节数组。如果不支持命名字符集，它会抛出UnsupportedEncodingException 。

让我们创建一个将字符串转换为 UTF-8 编码的 Java 程序。

StringEncodingExample.java

公共类 StringEncodingExample    
{  
公共静态void  main(String args[]) 抛出 异常    
{  
//要编码的字符串      
字符串 str =  "谷歌云" ;  
//调用getBytes()方法并将一个字节数组存入array[]  
字节 数组[] = str.getBytes( "UTF8" );  
System.out.println( "编码字符串：" );  
//增强的循环遍历数组  
对于 （字节 x：数组）   
{  
//打印字节序列      
System.out.print(x+ " " );  
}  
}  
}

输出：

编码字符串：
71 111 111 103 108 101 32 67 108 111 117 100

使用 StandardCharsets 类

我们还可以使用 StandardCharset 类对字符串进行编码。对字符串进行编码有两个步骤。首先，将字符串解码为字节，然后将其编码为 UTF-8。例如，考虑以下代码：

字符串 str =  "Tschüss" ;   
ByteBuffer 缓冲区 = StandardCharsets.UTF_8.encode(str);   
String encoded_String = StandardCharsets.UTF_8.decode(buffer).toString(); assertEquals(str, encoded_String);

知识点扩展：

为什么要编码

不知道大家有没有想过一个问题，那就是为什么要编码？我们能不能不编码？要回答这个问题必须要回到计算机是如何表示我们人类能够理解的符号的，这些符号也就是我们人类使用的语言。由于人类的语言有太多，因而表示这些语言的符号太多，无法用计算机中一个基本的存储单元—— byte 来表示，因而必须要经过拆分或一些翻译工作，才能让计算机能理解。我们可以把计算机能够理解的语言假定为英语，其它语言要能够在计算机中使用必须经过一次翻译，把它翻译成英语。这个翻译的过程就是编码。所以可以想象只要不是说英语的国家要能够使用计算机就必须要经过编码。这看起来有些霸道，但是这就是现状，这也和我们国家现在在大力推广汉语一样，希望其它国家都会说汉语，以后其它的语言都翻译成汉语，我们可以把计算机中存储信息的最小单位改成汉字，这样我们就不存在编码问题了。

所以总的来说，编码的原因可以总结为：

计算机中存储信息的最小单元是一个字节即 8 个 bit，所以能表示的字符范围是 0~255 个
人类要表示的符号太多，无法用一个字节来完全表示，要解决这个矛盾必须需要一个新的数据结构 char，从 char 到 byte 必须编码

加载全部内容