java byte与char互转原理

java byte与char互转原理

一、字节和unicode

Java
内核是unicode的,就连class文件也是,但是很多媒体,包括文件/流的保存方式是使用字节流的。因此Java要对这些字节流经行转化。 charunicode的,而byte是字节。Java byte/char互转的函数在sun.io的包中间有。其中ByteToCharConverter类是中调度,可以用来告诉你,你用的 convertor。其中两个很常用的静态函数是: 

public static ByteToCharConverter getDefault();
public static ByteToCharConverter getConverter(String encoding);



如果你不指定converter,则系统会自动使用当前的encoding,gb平台上用gbk,en平台上用8859_1 

byte ——char 
"
"gb码是:0xc4e3 ,unicode0x 4f 60
String encoding = "gb2312";
byte b[] = {(byte)'\u 00c 4',(byte)'\u00e3'};
ByteToCharConverter converter = ByteToCharConverter.getConverter(encoding);
char c[] = converter.convertAll(b);
for (int i = 0; i < c.length; i++) {
System.out.println(Integer.toHexString(c[i]));
}
结果是什么?0x 4f 60
如果encoding ="8859_1",结果又是什么?0x 00c 4,0x00e3



如果代码改为: 

byte b[] = {(byte)'\u 00c 4',(byte)'\u00e3'};
ByteToCharConverter converter = ByteToCharConverter. getDefault();
char c[] = converter.convertAll(b);
for (int i = 0; i < c.length; i++) {
System.out.println(Integer.toHexString(c[i]));
}



结果将又是什么? 

这就要根据平台的编码而定。 

char ——byte 
String encoding = "gb2312";
char c[] = {'\u 4f 60'};
CharToByteConverter converter = CharToByteConverter.getConverter(encoding);
byte b[] = converter.convertAll(c);
for (int i = 0; i < b.length; i++) {
System.out.println(Integer.toHexString(b[i]));
}
结果是什么?0x 00c 4,0x00e3
如果encoding ="8859_1",结果又是什么?0x 3f  
如果代码改为 
String encoding = "gb2312";
char c[] = {'\u 4f 60'};
CharToByteConverter converter = CharToByteConverter.getDefault();
byte b[] = converter.convertAll(c);
for (int i = 0; i < b.length; i++) {
System.out.println(Integer.toHexString(b[i]));
}



结果将又是什么?还是根据平台的编码而定。 

很多中文问题就是从这两个最简单的类派生出来的。而却有很多类不直接支持把encoding输入,这给我们带来诸多不便。很多程序难得用encoding了,直接用defaultencoding,这就给我们移植带来了很多困难。 

二、utf-8

utf-8
是和unicode一一对应的,其实现很简单: 

7
位的unicode: 0 _ _ _ _ _ _ _
11
位的unicode: 1 1 0 _ _ _ _ _ 1 0 _ _ _ _ _ _
16
位的unicode: 1 1 1 0 _ _ _ _ 1 0 _ _ _ _ _ _ 1 0 _ _ _ _ _ _
21
位的unicode: 1 1 1 1 0 _ _ _ 1 0 _ _ _ _ _ _ 1 0 _ _ _ _ _ _ 1 0 _ _ _ _ _ _



大多数情况是只使用到16位以下的unicode:

"
"gb码是:0xc4e3 ,unicode0x 4f 60
0xc4e3
的二进制: 
1100
0100 1110 0011



由于只有两位我们按照两位的编码来排,但是我们发现这行不通,因为第7位不是0因此,返回"?"

0x 4f 60
的二进制: 
0100
1111 0110 0000
我们用utf-8补齐,变成: 
1110
0100 1011 1101 1010 0000
e4--bd-- a0
于是返回:0xe4,0xbd,0xa0 



三、stringbyte[]

string
其实核心是char[],然而要把byte转化成string,必须经过编码。string.length()其实就是char数组的长度,如果使用不同的编码,很可能会错分,造成散字和乱码。例如: 

String encoding = “”;
byte [] b={(byte)'\u 00c 4',(byte)'\u00e3'};
String str=
new String(b,encoding);



如果encoding=8859_1,会有两个字,但是encoding=gb2312只有一个字这个问题在处理分页是经常发生。 

四、Reader,Writer / InputStream,OutputStream

Reader
Writer核心是charInputStreamOutputStream核心是byte。但是ReaderWriter的主要目的是要把char/InputStream/OutputStream。例如: 

文件test.txt只有一个""字,0xc4,0xe3
String encoding = "gb2312";
InputStreamReader reader =
new InputStreamReader(new FileInputStream(
"text.txt"), encoding);
char c[] = new char[10];
int length = reader.read(c);
for (int i = 0; i < length; i++) {
System.out.println(c[i]);
}



结果是什么?是""。如果encoding ="8859_1",结果是什么?"??"两个字符,表示不认识。反过来的例子自己做。


五、我们要对Java的编译器有所了解: 

Javac ?encoding



我们常常没有用到encoding这个参数。其实encoding这个参数对于跨平台的操作是很重要的。如果没有指定encoding,则按照系统的默认 encoding,gb平台上是gb2312,英文平台上是iso8859_1Java的编译器实际上是调用sun.tools.Javac.main 的类,对文件进行编译,这个类有compile函数中间有一个encoding的变量,-encoding的参数其实直接传给encoding变量。编译器就是根据这个变量来读取Java文件的,然后把用utf-8形式编译成class文件。例子代码: 

String str = "
";
FileWriter writer =
new FileWriter("text.txt");
write.write(str);
writer.close();

如果用gb2312编译,你会找到e4 bd a0的字段  
如果用8859_1编译,  00c 4 00e3的二进制: 
0000
0000 11000100 00000000 11100011
因为每个字符都大于7位,因此用11位编码: 
1100
0001100001001100001110100011
c1-- 84--
 c3--  a3
你会找到c1 84 c3 a3



但是我们往往忽略掉这个参数,因此这样往往会有跨平台的问题: 

样例代码在中文平台上编译,生成zhclass

样例代码在英文平台上编译,输出enclass

(1) zhclass
在中文平台上执行ok,但是在英文平台上不行 

(2) enclass
在英文平台上执行ok,但是在中文平台上不行 

原因是: 

(1)
在中文平台上编译后,其实str在运行态的char[]0x 4f 60, 在中文平台上运行,filewriter的缺省编码是gb2312,因此 chartobyteconverter会自动用调用gb2312converter,str转化成byte输入到fileoutputstream 中,于是0xc4,0xe3放进了文件。但是如果是在英文平台下,chartobyteconverter的缺省值是8859_1, filewriter会自动调用8859_1去转化str,但是他无法解释,因此他会输出"?"

(2)
在英文平台上编译后,其实str在运行态的char[]0x 00c 4 0x00e3, 在中文平台上运行,中文无法识别,因此会出现??;在英文平台上,0x 00c 4-->0xc4,0x00e3->0xe3,因此 0xc4,0xe3被放进了文件。 

六、其它原因: 

<%@ page contentType="text/html; charset=GBK" %>



设置浏览器的显示编码,如果response的数据是utf8编码,显示将是乱码,但是乱码和上述原因还不一样。 

七、发生编码的地方: 

1.
从数据库到Java程序 
byte——char 

2.
Java程序到数据库 char——byte 

3.
从文件到Java程序 byte——char 

4.
Java程序到文件 char——byte 

5.
Java程序到页面显示 char——byte 

6.
从页面form提交数据到Java程序byte——char 

7.
从流到Java程序byte——char 

8.
Java程序到流char——byte 

可以使用配置过滤器的方法解决中文乱码的: 

<web-app>
<filter>
<filter-name>RequestFilter</filter-name>
<filter-
class>net.golden.uirs.util.RequestFilter</filter-class>
<init-param>
<param-name>charset</param-name>
<param-value>gb2312</param-value>
</init-param>
</filter>
<filter-mapping>
<filter-name>RequestFilter</filter-name>
<url-pattern>*.Jsp</url-pattern>
</filter-mapping>
</web-app>


public void doFilter(ServletRequest req, ServletResponse res,
FilterChain fChain)
throws IOException, ServletException {
HttpServletRequest request = (HttpServletRequest) req;
HttpServletResponse response = (HttpServletResponse) res;
HttpSession session = request.getSession();
String userId = (String) session.getAttribute("userid");
req.setCharacterEncoding(
this.filterConfig.getInitParameter("charset"));
// 设置字符集? 
//
实际上是设置了byte ——charencoding
try {
if (userId == null || userId.equals("")) {
if (!request.getRequestURL().toString().matches(
".*/uirs/logon/logon(Controller){0,1}\\x2EJsp$")) {
session.invalidate();
response.sendRedirect(request.getContextPath() +
"/uirs/logon/logon.Jsp");
}
}
else {
// 看看是否具有信息上报系统的权限 
if (!net.golden.uirs.util.UirsChecker.check(userId, "信息上报系统",
net.golden.uirs.util.UirsChecker.ACTION_DO)) {
if (!request.getRequestURL().toString().matches(
".*/uirs/logon/logon(Controller){0,1}\\x2EJsp$")) {
response.sendRedirect(request.getContextPath() +
"/uirs/logon/logonController.Jsp");
}
}
}
}
catch (Exception ex) {
response.sendRedirect(request.getContextPath() +"/uirs/logon/logon.Jsp");
}
fChain.doFilter(req, res);

你可能感兴趣的:(java byte与char互转原理)