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'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", "gb2312"));
  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