浅谈Java中的编码理论-java unicode编码

Java是使用Unicode字符集的，意思是在内存运行的时候是这样的。当Java源程序被编译为.class文件的时候，是以UTF-8字符集存储字符的。比如字符串"汉语"的Unicode字符为：0x49 6C ED 8B。在.class文件中则变成了：0xE6 B1 89 E8 AF AD 0D 0A。实际上如果用以下程序输出“汉语”二个字的16进制字节序列：

        String str = "汉语";
         try{
              byte[] b = str.getBytes("Unicode");
              for(int i : b){
              System.out.println(Integer.toHexString(i));
        }        
        }catch(Exception ex){
              ex.printStackTrace();  }

会发现，实际输出的是 0xFE FF 6C 49 8B ED。多出来的0xFE FF，是Unicode字符串的BOM（Byte Order Mark）。但是为什么输出的顺序（0xFE FF 6C 49 8B ED）和文件中的顺序不一致（0xFF FE 49 6C ED 8B）？

public byte[] getBytes(Charset charset) 使用指定的字符集将此 String 解码为字节序列，并将结果存储到一个新的字节数组中。如果不指定参数，则使用系统默认的字符集，对于简体中文系统一般为GBK。

看程序：

class EncodingExer 
{
    public static void main(String[] args) 
    {
          String str = "汉语";               //GBK编码为： 0xBABA 0xD3EF
          byte[] b = str.getBytes();      
          for(int i : b){
              System.out.println(Integer.toHexString(i)); //0xBA 0xBA 0xD3 0xEF
          }    }}

在这个过程中，由Unicode字符得到字符串“汉语”，然后解码得到了GBK字节序列。与String.getBytes()相对应的是new String(byte[] bytes,Charset charset)，它的作用是用字节序列生成字符串。如果想由刚才的GBK字节序列得到原来的字符串“汉语”，我们需要做的是：new String(b) 就可以了。将b按照GBK编码得到字符串“汉语”，然后转化为Unicode字符。如果是str.getBytes("iso-8859-1")，那么还原的时候就是new String(b,"iso-8859-1")。总之就是用什么方式编码，就用什么方式解码。

【编辑推荐】