高阶JAVA篇-深入了解字符集

news2025/7/17 0:07:50

🔥博客主页： 小扳_-CSDN博客
❤感谢大家点赞👍收藏⭐评论✍

文章目录

1.0 字符集的说明

1.1 ASCII 字符集

1.2 GBK 字符集

1.3 UTF-8字符集

2.0 字符集的编码与解码

2.1 编码提供了常见的方法

2.2 解码提供了常见的方法

1.0 字符集的说明

字符集是一组字符的集合，字符集包括所有可用的字符，包括字母、数字、标点符号、特殊字符和控制字符等。常见的字符集有 ASCII 字符集、UTF-8 字符集、 GBK 字符集等。

1.1 ASCII 字符集

它由128个字符组成，包括大写和小写字母、数字、标点符号、特殊字符和控制字符等。ASCII 字符集使用7位二进制数表示每个字符，范围从0到127。

只用一个字节大小的容量来“装”下这些每一个英文、数字、符号，需要注意的是首位必须为0。

1.2 GBK 字符集

GBK 字符集广泛用于中文环境下的计算机系统和软件，包括操作系统、文字处理软件、网页等。GBK 字符集是一种中文字符集，是在 ASCII 字符集基础上或者兼容的前提下，进行扩展的。

需要重点了解的是，每一个英文和数字、字符都是可以用一个字节大小的容量来“装”下，首位必须为0，对于中文汉字来说，需要每一个字符需要两个字节大小的容量来“装”下这超过21000个汉字和符号，包括繁体字、生僻字和部分其他语种的字符。需要重点注意的是，首位必须为1。

1.3 UTF-8字符集

UTF-8 字符集是一种全球通用的字符编码标准，它包含了几乎所有已知的字符，涵盖了世界上所有的语言和符号。UTF-8 字符集的目标是为每个字符提供一个唯一的编码，以便在不同的计算机系统和软件中进行字符的交换和处理。

UTF-8是一种变长编码方案，使用1到4个字节来表示不同的字符，适用于在互联网上传输和存储文本数据。每个中文的汉字、字符等占三个字节，每个英文、数字、符号等占一个字节，在编码或者解码为了区分这些字符不混淆，就会有一定的规则。占一个字节的，首位必须为0；占两个字节的，第一个字节首位三个必须为110，第二个字节的首位两个必须为10；占三个字节的，首位四个必须为1110，第二个字节首位两个为10，第三个字节首位两个也为10；占四个字节的，首位五个必须为11110，第二个字节首位两个为10，第三个字节首位两个也为10，第四个字节首位两个也为10。

小结一下：

2.0 字符集的编码与解码

字符集的编码和解码是将字符转换为对应的编码值，或将编码值转换为对应的字符的过程。简单地来说，编码就是将字符转变为编号，这里的编号就是字符集中对应的编码值，而解码就是逆过程，将编号转变为字符。

2.1 编码提供了常见的方法

使用 getBytes() ：默认系统提供的编码集。

使用 getBytes( String charsetName) ：选择自己想要的编码集。

代码如下：

import java.util.Arrays;

public class characterSet {
    public static void main(String[] args) throws Exception{
        //编码
        String name = new String("a我b");
        //默认系统的提供的字符集进行编码
        byte[] num = name.getBytes();
        System.out.println(Arrays.toString(num));

        //自选的字符集进行编码
        byte[] num1 = name.getBytes("GBK");
        System.out.println(Arrays.toString(num1));
    }
}

运行结果如下：

2.2 解码提供了常见的方法

就是用字符串类的构造器，将字节数组放到有参构造器中，就可以得到了相应的字符串了。

使用：String pass = new String( byte bytes[])，默认系统提供的编码集。

使用：String pass = new String( byte bytes[]， String charsetName)，自选编码集。

代码如下：

import java.util.Arrays;

public class characterSet {
    public static void main(String[] args) throws Exception{
        //编码
        String name = new String("a我b");
        //默认系统的提供的字符集进行编码
        byte[] num = name.getBytes();
        System.out.println(Arrays.toString(num));

        //自选的字符集进行编码
        byte[] num1 = name.getBytes("GBK");
        System.out.println(Arrays.toString(num1));

        //解码
        //用系统提供的默认字符集
        String pass = new String(num);
        System.out.println(pass);
        //自己选用想要的字符集
        String pass1 = new String(num1,"GBk");
        System.out.println(pass1);
    }
}

运行结果如下：

需要重点注意的是，使用了某一套字符集进行编码，那么必须要使用跟编码使用的相同的一套字符集进行解码。

代码如下：

import java.io.UnsupportedEncodingException;

public class characterSet {
    public static void main(String[] args) throws UnsupportedEncodingException {
        String name = "李四";
        //这里使用了 UTF-8 这一套字符集进行编码
        byte[] passName = name.getBytes();
        //如果使用 GBK 这一套字符集进行解码的时候会很很大问题
        String newName = new String(passName,"GBK");
        System.out.println(newName);
    }
}

运行结果：