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，計算機中存儲數據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”（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，一個字節通常可以存儲一個字符（如字母、數字等）。只有字節才有地址的概念。對一種計算機的存儲設備以字節為單位賦予的地址稱為字節編址；也是目前計算機最基本的存儲單元編址；

java的基本數據類型：

數據類型bit數說明

byte	8位	最大存儲數據量是255，存放的數據范圍是-128~127之間
short	16位	最大數據存儲量是65536，數據范圍是-32768~32767之間
int	32位	最大數據存儲容量是2的32次方減1，數據范圍是負的2的31次方到正的2的31次方減1
long	64位	最大數據存儲容量是2的64次方減1，數據范圍為負的2的63次方到正的2的63次方減1
float	32位	數據范圍在3.4e-45~1.4e38，直接賦值時必須在數字后加上f或F
double	64位	數據范圍在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兩個數據類型之間轉換中產生的；

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亂碼的現象；

詳細點講就是計算機只能識別0和1兩個數字，所有的符號和文字都必須經過轉換編碼才能“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來完全表示

要解決這個矛盾必須需要一個新的數據結構 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換，其實現在有很多中的編碼格式，只要讓計算機按照規定的編碼格式進行轉化，就可以顯示成我們自己的字符。那現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別的？
編碼就是一個編號（數字）到字符的一種映射關系，是一種一對一的映射關系。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 字節對應 8 位二進制數，而每位二進制數有 0、1 兩種狀態，因此 1 字節可以組合出 256 種狀態。如果這 256 中狀態每一個都對應一個符號，就能通過 1 字節的數據表示 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 位二進制數的對應關系，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，對應二進制是0100 0001）。這 128 個字符只使用了 8 位二進制數中的后面 7 位，最前面的一位統一規定為 0。

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

Unicode編碼方案

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

這就導致了一些問題，計算機怎么知道你這個 2 個字節表示的是一個字符，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 字節就可以表示了，那么我們就將所有的字符都用 4 個字節來表示，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 兩種當前比較流行的編碼方式誕生了。當然還有一個 UTF-32 的編碼方式，也就是上述那種定長編碼，字符統一使用 4 個字節，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 編碼的數據的，但是分別是2中不同的格式，他們都是 Unicode 的實現方式，當然也還有很多，這里就先介紹這兩種啦。

• GBK

  全稱叫《漢字內碼擴展規范》，是國家技術監督局為 windows95 所制定的新的漢字內碼規范，它的出現是為了擴展 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，每個編碼區域有不同的字碼長度。不同類型的字符可以是由 1~6 個字節組成。

編碼規則：

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

如果一個字節，以 11 開頭，連續的 1 的個數暗示這個字符的字節數，例如：110xxxxx 代表它是雙字節 UTF-8 字符的首字節。

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

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現，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”的二進制數最后一位開始，從后向前依次填充對應格式中的 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：如果一個字節的第一位是 0 ，則說明這個字節對應一個字符；如果一個字節的第一位1，那么連續有多少個 1，就表示該字符占用多少個字節。

java中編解碼場景

流讀取文件，其中就存在著字符與字節之間的轉換; InputStreamReader 類就是關聯字節到字符的橋梁，它負責在 I/O 過程中處理讀取字節到字符的轉換；

// 創建指定字符集的 InputStreamReader InputStreamReader(InputStream in, String CharsetName) // 創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對應的的字符集 Charset charset = Charset.forName("utf-8"); //將字符串通過utf-8進行編碼轉化成字節 byte[] bytes = str.getBytes(charset); //再將字節根據相同的編碼格式進行解碼 String string = new String(bytes, "utf-8"); System.out.println(string);

處理請求參數傳遞編碼問題

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

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

下一篇：session會話理解

總結

以上是生活随笔為你收集整理的Java的编码解码的全部內容，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站內容還不錯，歡迎將生活随笔推薦給好友。