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

详解Java中String类型与默认字符编码

程序员文章站 2024-02-25 09:15:52
为什么写这个 至于为什么要写这个,主要是一句mmp一定要讲,绕了一上午,晕死 java程序中的中文乱码问题一直是一个困扰程序员的难题,自己也不例外,早在做项目时就遇到...

为什么写这个

至于为什么要写这个,主要是一句mmp一定要讲,绕了一上午,晕死
java程序中的中文乱码问题一直是一个困扰程序员的难题,自己也不例外,早在做项目时就遇到过很多编码方式的坑,当时想填来着,但是嫌麻烦。这次终于忍不住了,一定要弄个明白

string类型的编码方式

从网上查的资料都说,java默认的字符编码是unicode,而string类型的编码方式是与jvm编码方式和本机操作系统默认字符集有关的。于是我做出了测试
在java中可以这样显示查看本地编码方式(jvm还是os呢?)

// gets the system property indicated by the specified key.
system.out.println(system.getproperty(file.encoding));

看注释上说是获取系统字符集,但是我对这个系统的概念表示存疑,为什么呢,因为众所周知,我们中国人的电脑大部分默认的字符编码方式就是gbk,在cmd中输入chcp可以获得一个数值936,这就表示了是gbk的编码方式。

但是我自己运行出这句话的结果竟然是utf-8,我是在idea中运行的,并且已经使用idea设置了项目的编码方式是utf-8,出现这样的结果我只能是猜测其实上面这句话是获取jvm(跟随项目的编码方式)的编码方式

接下来我们来回归正题,string类型的默认编码方式是什么,有下面这几句语句:

/* 测试string类型默认的编码方式
*/

// 使用string的有参构造方法
string str = new string("hhhh ty智障%shfu摸淑芬十分uif内服nsf黑");
// 1.以gbk编码方式获取str的字节数组,再用string有参构造函数构造字符串
system.out.println(new string(str.getbytes("gbk")));
// 2.以utf-8编码方式获取str的字节数组,再以默认编码构造字符串
system.out.println(new string(str.getbytes("utf-8")));

下面来看一下运行结果:

// 1.
hhhh ty����%shfu�����ʮ��uif�ڷ�nsf��i����ظ���u��Ϊ��ؼu ��δ���δ��� hhhh ty智障%shfu摸淑芬十分uif内服nsf黑i飞鸟回复额u发为呢丶u 房未婚夫未婚夫
// 2.
hhhh ty智障%shfu摸淑芬十分uif内服nsf黑i飞鸟回复额u发为呢丶u 房未婚夫未婚夫

 可以很明显的可以看出,这里string类型默认的字符编码方式就是与我们查看本地系统的编码方式相同。因此我们得出结论:string类型的默认编码方式是和本地编码方式相关

string.getbytes()方法

我们大多数情况下是不使用string类型的,而是使用byte数组来传输操作数据,一般会使用string.getbytes()方法来将字符串转换成字节数组。但是这样转换的时候,会不会牵涉到编码问题呢?仔细查看了string.getbytes()的源码,分为无参的和有参的两种:

// 1.无参的getbytes()方法
  public byte[] getbytes() {
    // 再继续深入encode()方法可以发现使用的是系统默认的字符编码
    return stringcoding.encode(value, 0, value.length);
  }

// 2.带参数的getbytes(string charsetname)方法
  public byte[] getbytes(string charsetname)
      throws unsupportedencodingexception {
    if (charsetname == null) throw new nullpointerexception();
    // 继续深入可以发现,会使用参数字符集编码方式来返回字节数组,如果参数字符集不存在,则使用本地系统默认的字符编码
    return stringcoding.encode(charsetname, value, 0, value.length);
  }

综上,在这里再强调一下,因为修改了项目的编码方式,导致了本地系统的编码方式也变成了utf-8,所以上述的实验都是基于ide修改了工程项目编码方式的基础上

bytebuffer与byte数组的互相转换

在nio中,一般都是使用bytebuffer来当作字符缓冲,而有的时候我们只有byte[]数组,所以是需要它们之间进行相互转换的

// bytebuffer ----> byte[]
byte[] bytes = bytebuffer.array();

// byte[] ------> bytebuffer
byte[] bytes = new byte[1024];
bytebuffer bytebuffer = bytebuffer.wrap(bytes);

so

综上所述,再在这里总结一下:

  1. 本地jvm的编码方式是和本机os默认的字符编码方式相关的,但是jvm的编码方式可以被修改
  2. java程序的默认字符集是unicode,在程序中声明的string类型的编码方式是和jvm编码方式相关的
  3. string.getbytes()方法默认的编码方式是jvm编码方式;同时还可以接收一个字符集名称当作参数,优先使用参数的字符集
  4. 因为java代码使用的unicode字符集,允许各编码方式之间转换,但不保证bit损失,所以string类型可以得到不同编码方式的byte数组,只要按照编码解码的方式获取字符串类型显示即可
  5. 文件的流通道是根据文件的编码方式决定的,所以不同编码方式的文件读写时要注意编码解码
  6. bytebuffer声明的buffer可以与byte数组之间进行转换,但要注意的是bytebuffer的大小一定要足够大以承载下所有的byte数组

小总结

搞清楚了这些甚是豁然开朗,其实很多时候中文的乱码问题根源就是编码方式与解码方式不一致,或者是不同编码方式之间转换时造成了bit损失。所以我们还是要注意规范化编码与解码方式,毕竟有的转换操作是不可逆的。

以上所述是小编给大家介绍的java中string类型与默认字符编码详解整合,希望对大家有所帮助