欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页  >  IT编程

老生常谈计算机中的编码问题(必看篇)

程序员文章站 2024-01-13 19:51:52
计算机中的编码问题 因为计算机只能处理数字,如果要处理文本,就必须先把文本转换为数字才能处理。最早的计算机在设计时采用8个比特(bit)作为一个字节(byte),所以,一...

计算机中的编码问题

因为计算机只能处理数字,如果要处理文本,就必须先把文本转换为数字才能处理。最早的计算机在设计时采用8个比特(bit)作为一个字节(byte),所以,一个字节能表示的最大的整数就是255(二进制11111111=十进制255),如果要表示更大的整数,就必须用更多的字节。比如两个字节可以表示的最大整数是65535,4个字节可以表示的最大整数是4294967295。

一、目前常用的编码

ascii编码由于计算机是美国人发明的,因此,最早只有127个字母被编码到计算机里,也就是大小写英文字母、数字和一些符号,这个编码表被称为ascii编码,比如大写字母a的编码是65,小写字母z的编码是122。

gb系列编码但是要处理中文显然一个字节是不够的,至少需要两个字节,而且还不能和ascii编码冲突,所以,中国制定了gb2312编码,用来把中文编进去。进而全世界有上百种语言,日本把日文编到shift_jis里,韩国把韩文编到euc-kr里,各国有各国的标准,就会不可避免地出现冲突,结果就是,在多语言混合的文本中,显示出来会有乱码。gb系列编码是我国的国标编码,用来存储汉字,分为gb2312,gbk,gb18030,基本都能向前兼容,其中gbk是目前最通用的。

unicode编码:unicode把所有语言都统一到一套编码里,这样就不会再有乱码问题了。unicode标准也在不断发展,但最常用的是用两个字节表示一个字符(如果要用到非常偏僻的字符,就需要4个字节)。现代操作系统和大多数编程语言都直接支持unicode。不过他只规定了字符的编码,却没有规定字符以何种方式存储或者传输。所以utf系列编码规定了unicode编码的存储和传输方式。

utf编码系列:目前最常用的utf编码分为3种,utf-8,utf-16和utf-32,我们知道计算机是以8位为一个字节来存储数据的,而utf-16,utf-32分别用2字节和4字节来表示一个字符,所以这里就涉及到字节的存储顺序,是低位在前还是高位在前,这样,bom就产生了。

bom是文本文件开头的一个特殊标记,用一组特殊数字来标记文本文件的字节序。虽然utf-8字节顺序是固定的,但为了兼容utf-16和utf-32也规定了utf-8的bom,用于标记utf-8编码。不过utf-8的bom在不同平台的规定不同,要小心使用。

bom规定如下:

utf-8 ef bb bf

utf-16(le) ff fe

utf-16(be) fe ff

utf-32(le) ff fe 00 00

utf-32(be) 00 00 fe ff

utf-8编码如果统一成unicode编码,乱码问题从此消失了。但是,如果你写的文本基本上全部是英文的话,用unicode编码比ascii编码需要多一倍的存储空间,在存储和传输上就十分不划算。所以,本着节约的精神,又出现了把unicode编码转化为“可变长编码”的utf-8编码。utf-8编码把一个unicode字符根据不同的数字大小编码成1-6个字节,常用的英文字母被编码成1个字节,汉字通常是3个字节,只有很生僻的字符才会被编码成4-6个字节。如果你要传输的文本包含大量英文字符,用utf-8编码就能节省空间:

字符 ascii unicode utf-8
a 01000001 00000000 01000001 01000001
x 01001110 00101101 11100100 10111000 10101101

二、计算机系统中的编码应用

在计算机内存中,统一使用unicode编码,当需要保存到硬盘或者需要传输的时候,就转换为utf-8编码;用记事本编辑的时候,从文件读取的utf-8字符被转换为unicode字符到内存里,编辑完成后,保存的时候再把unicode转换为utf-8保存到文件:

老生常谈计算机中的编码问题(必看篇)

浏览网页的时候,服务器会把动态生成的unicode内容转换为utf-8再传输到浏览器:

老生常谈计算机中的编码问题(必看篇)

所以你看到很多网页的源码上会有类似<meta charset="utf-8" />的信息,表示该网页正是用的utf-8编码。

三、java中的编码问题

直接写一个demo来看看eclipse中java项目的编码是怎么样的吧。

1、字符串转为字节序列

public class encodedemo {

 public static void main(string[] args) {
  // todo auto-generated method stub
  string s="云开de立夏";
  byte[] bytes1=s.getbytes();//这是把字符串转换成字符数组,转换成的字节序列用的是项目默认的编码
  for(byte b: bytes1)
  //tohexstring这个函数是把字节(转换成了int)以16进制的方式显示
  system.out.print(integer.tohexstring(b & 0xff)+" ");// & 0xff是为了把前面的24个0去掉只留下后八位
 }

}

运行结果:

老生常谈计算机中的编码问题(必看篇)

分析:可以看到这个java项目的默认编码中,汉字用2个字节表示,英文用一个字节表示。

通过查看项目的默认编码为老生常谈计算机中的编码问题(必看篇)gbk

如果不想用项目默认的编码格式,可以用下面这种方法指定字符串转化为想要的编码格式:

byte[] bytes2=s.getbytes("utf-8");//转换成utf-8编码
  for(byte b: bytes2)
   //tohexstring这个函数是把字节(转换成了int)以16进制的方式显示
   system.out.print(integer.tohexstring(b & 0xff)+" ");// & 0xff是为了把前面的24个0去掉只留下后八位
  system.out.println();
  byte[] bytes3=s.getbytes("utf-16be");//转换成java双字节编码,utf-16be编码
  for(byte b: bytes3)
   //tohexstring这个函数是把字节(转换成了int)以16进制的方式显示
   system.out.print(integer.tohexstring(b & 0xff)+" ");// & 0xff是为了把前面的24个0去掉只留下后八位

运行结果:

老生常谈计算机中的编码问题(必看篇)

分析:两个结果对比可以得出,

gbk编码: 中文占用两个字节,英文占用一个字节。

utf-8编码:中文占用三个字节,英文占用一个字节。

utf-16be编码:中文占用两个字节,英文占用两个字节。

注意:java是双字节编码,是utf-16be编码。即java中的一个字符(char)占用两个字节!

2、字节序列转为字符串

当你的字节序列是某种编码时,这个时候想把字节序列变成字符串,也需要用这种编码方式,否则会出现乱码。

string str1=new string(bytes1);//这时会使用项目默认的编码来转换,可能出现乱码
  system.out.println(str1);
  string str2=new string(bytes2);
  system.out.println(str2);
  string str3=new string(bytes2,"utf-8");
  system.out.println(str3);

运行结果:

老生常谈计算机中的编码问题(必看篇)

四、文本文件(txt)的编码问题

文本文件就是字节序列,可以是任意编码的字节序列。

如果我们在中文机器上直接创建文本文件,那么该文件只认识ansi编码(例如直接在电脑中右键创建文本文件)。

这里要注意:只有直接创建文本文件时,该文件的编码只认识ansi,但是文本文件本身是可以放任意编码的字节序列。

注意:中文系统下,ansi编码即是gbk编码。

这里举个例子:

我们在eclipse新建一个项目,把它的默认编码改为utf-8

老生常谈计算机中的编码问题(必看篇)

那么对于这个项目而言,它只认识utf-8的编码文件。

接下来,我们在这个项目中新建一个文本文件utf-8.txt,并在里面输入内容如下:

老生常谈计算机中的编码问题(必看篇)老生常谈计算机中的编码问题(必看篇)

如果直接把这个文本文件拷贝到其他项目中(默认为gbk编码),里面的内容将会变成乱码!因为编码不一样!

但是如果是将里面的内容复制粘贴过去,系统会自动转化为相应的编码,是不会出现乱码的。

老生常谈计算机中的编码问题(必看篇)

注意:如果把这个文本文件拷贝到其他地方(比如系统的桌面)上,它不会出现乱码!!因为文本文件可以是任意的编码序列,系统在读取文本文件时会自动转化为相应的编码格式。

了解文件的编码有什么用呢??在java的io流中,我们需要对文件进行读写,使用字节流进行读写的时候,就必须根据不同的编码方式进行读写。因为不同编码方式的各个字符所占用的字节数不同,我们要按照实际情况进行操作。

以上这篇老生常谈计算机中的编码问题(必看篇)就是小编分享给大家的全部内容了,希望能给大家一个参考,也希望大家多多支持。