Java中字符编码格式详解

Java中字符编码格式详解

一、前言

在分析Comparable和Comparator的时候，分析到了String类的compareTo方法，String底层是用char[]数组来存放元素，在比较的时候是比较的两个字符串的字符，字符用char来存储，此时，突然想到，java里面的char可以存放中文吗？后来发现是可以的，并且由此也引出了Java中字符的编码格式问题。

二、Java存储格式

在Java中，如下代码获取了字符'张'RBoHk的各种编码格式。

import java.io.UnsupportedEncodingException;

public class Test {

public static String getCode(String content, String format) throws UnsupportedEncodingException {

byte[] bytes = content.getBytes(format);

StringBuffer sb = new StringBuffer();

for (int i = 0; i < bytes.length; i++) {

sb.append(Integer.toHexString(bytes[i] & 0xff).toUpperCase() + " ");

}

return sb.toString();

}

public static void main(String[] args) throws UnsupportedEncodingException {

System.out.println("gbk : " + getCode("张", "gbk"));

System.out.println("gb2312 : " + getCode("张", "gbRBoHk2312"));

System.out.println("iso-8859-1 : " + getCode("张", "iso-8859-1"));

System.out.println("unicode : " + getCode("张", "unicode"));

　　　　System.out.println("utf-16 : " + getCode("张", "utf-16"));

System.out.println("utf-8 : " + getCode("张", "utf-8"));

　　}

}

运行结果：

gbk : D5 C5

gb2312 : D5 C5

iso-8859-1 : 3F

unicode : FE FF 5F 20

utf-16 : FE FF 5F 20

utf-8 : E5 BC A0

说明：从结果我们可以知道，字符'张'的gbk与gb2312编码是相同的，unicode与utf-16编码时相同的，但是其iso-8859-1、unicode、utf-8编码都是不相同的。那么，在JVM中，字符'张'是按照哪种编码格式进行存储的呢？下面开始我们的分析。

三、探秘思路

1. 查看.class文件常量池的存储格式

测试代码如下

public class Test {

public static void main(String[] args) {

String str = "张";

}

}

使用javap -verbose Test.class进行反编译，发现常量池情况如下：

再使用winhex打开class文件，发现字符'张'在常量池的存储如下

说明：上面两张可以在class文件中是以utf-8的格式存储的。

但是在运行时是否是utf-8格式呢？继续我们的探秘之旅。

2. 在程序中一探究竟

使用如下代码

public class Test {

public static void main(String[] args) {

String str = "张";

System.out.println(Integer.toHexString(str.codePointAt(0)).toUpperCase());

}

}

运行结果：

5F20

说明：根据结果我们知道在运行时JVM是使用的utf-16格式进行存储，utf-16一般是使用2个字节进行存储，如果遇到两个字节无法表示的字符则会使用4个字节表示。之后会另外有篇幅进行介绍，并且我们查看Character类源码时，会发现就是使用的utf-16进行编码的，从两面都找到了我们想要的答案。

3. char类型可以存放中文吗？

根据上面的探索我们已经知道了Java的class文件中字符是以utf-8进行编码的，在JVM运行时则是以utf-16进行编码存储的。而字符'张'可以用两个字节来表示，而char在Java中也是两个字节，故可以存放。

四、总结

经过上面的分析，我们知道：

1. 字符在class文件中是以utf-8格式进行编码的，而在JVM运行时是采用utf-16格式进行编码的。

2. char类型是两个字节，可以用来存放中文。

在此次调用的过程中又查阅了好多关于字符方面的资料，受益匪浅，并且发现特别有意思，接下来会进行分享，所以特此预告下一篇将会进一步来介绍编码以及编码在Java中的问题。敬请期待

版权声明：本文内容由网络用户投稿，版权归原作者所有，本站不拥有其著作权，亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容，请联系我们jiasou666@gmail.com 处理，核实后本网站将在24小时内删除侵权内容。