快捷導(dǎo)航

IO流:java中解碼和編碼出現(xiàn)亂碼說明以及代碼實(shí)現(xiàn)方法

更新時(shí)間：2023年11月03日 11:10:59 作者：飛翔的佩奇

最近使用Java編寫一些讀取文件的小工具的時(shí)候,經(jīng)常與IO流打交道,但是自己對(duì)IO流的理解不是特別深刻,趁機(jī)整理下,這篇文章主要給大家介紹了關(guān)于IO流:java中解碼和編碼出現(xiàn)亂碼說明以及代碼實(shí)現(xiàn)的相關(guān)資料,需要的朋友可以參考下

一、UTF-8和GBK編碼方式

如果采用的是UTF-8的編碼方式，那么1個(gè)英文字母占 1個(gè)字節(jié)，1個(gè)中文占3個(gè)字節(jié)
如果采用GBK的編碼方式，那么1個(gè)英文字母占 1個(gè)字節(jié)，1個(gè)中文占2個(gè)字節(jié)

二、idea和eclipse的默認(rèn)編碼方式

其實(shí)idea和eclipse的默認(rèn)編碼方式是不一樣的哦。

idea默認(rèn)的編碼方式是：UTF-8

eclipse默認(rèn)采用的編碼方式是GBK

三、解碼和編碼方法

1、java中編碼的方法

public byte[] getBytes() 使用默認(rèn)的編碼方式進(jìn)行編碼
public byte[] getBytes(Charset charset) 使用指定方式進(jìn)行編碼

2、java中解碼的方法

public String(byte bytes[]) 使用默認(rèn)的方式進(jìn)行解碼
public String(byte bytes[], String charsetName) 使用指的方式進(jìn)行解碼

四、代碼實(shí)現(xiàn)

以下代碼demo均采用idea開發(fā)哦

編碼

1、使用默認(rèn)的編碼方式進(jìn)行編碼看下面這段代碼，請(qǐng)猜一猜數(shù)組中的元素有幾個(gè)？

package com.heima.demo;

import java.util.Arrays;

public class TestDemo {
    public static void main(String[] args) {
        String str = "dk你好";
        byte[] bytes = str.getBytes();
        System.out.println(Arrays.toString(bytes));
    }
}

你答對(duì)了嗎？數(shù)組中一共有8個(gè)元素，因?yàn)閕dea默認(rèn)采用的編碼方式是utf-8，如果采用的是UTF-8的編碼方式，那么1個(gè)英文字母占 1個(gè)字節(jié)，1個(gè)中文占3個(gè)字節(jié)。我們看一下運(yùn)行結(jié)果

[100, 107, -28, -67, -96, -27, -91, -67]

Process finished with exit code 0

如果使用指定的編碼方式GBK進(jìn)行編碼呢？我們看一下代碼

public class TestDemo {
    public static void main(String[] args) throws UnsupportedEncodingException {
        String str = "dk你好";
        byte[] bytes = str.getBytes("gbk");
        System.out.println(Arrays.toString(bytes));
    }
}

答案是：數(shù)組元素一共有6個(gè)，因?yàn)椴捎玫氖荊BK編碼方式，那么1個(gè)英文字母占 1個(gè)字節(jié)，1個(gè)中文占2個(gè)字節(jié)。

我們看一下運(yùn)行結(jié)果

[100, 107, -60, -29, -70, -61]

Process finished with exit code 0

解碼

1、使用默認(rèn)的方式進(jìn)行解碼

package com.heima.demo;

import java.io.UnsupportedEncodingException;

public class TestDemo {
    public static void main(String[] args) throws UnsupportedEncodingException {
        String str = "dk你好";
        byte[] byte1 = str.getBytes();
        String res1 = new String(byte1);
        System.out.println(res1);
    }
}

運(yùn)行結(jié)果如下：

dk你好

Process finished with exit code 0

如果給他加上指定編碼方式呢？

package com.heima.demo;

import java.io.UnsupportedEncodingException;

public class TestDemo {
    public static void main(String[] args) throws UnsupportedEncodingException {
        String str = "dk你好";
        byte[] byte1 = str.getBytes();
        String res1 = new String(byte1,"gbk");
        System.out.println(res1);
    }
}

運(yùn)行結(jié)果

dk浣犲ソ

Process finished with exit code 0

我們發(fā)現(xiàn)有亂碼產(chǎn)生。那為什么呢？因?yàn)榫幋a的時(shí)候，采用的是默認(rèn)的utf-8方式，所以解碼的時(shí)候，也需要使用utf-8進(jìn)行解碼，如果使用gbk就會(huì)產(chǎn)生亂碼。因?yàn)閡tf-8和gbk對(duì)中文所占的字節(jié)數(shù)是不一樣的。

如果采用的是UTF-8的編碼方式，那么1個(gè)英文字母占 1個(gè)字節(jié)，1個(gè)中文占3個(gè)字節(jié)
如果采用GBK的編碼方式，那么1個(gè)英文字母占 1個(gè)字節(jié)，1個(gè)中文占2個(gè)字節(jié)

五、額外知識(shí)擴(kuò)展

1、什么是字符集？字符集顧名思義，就是用來裝多個(gè)字符的集合。不同的字符集中字符的個(gè)數(shù)是不同的，包含的字符也是不同的，甚至對(duì)于字符的編碼格式也是不同的。

2、什么是字符編碼？計(jì)算機(jī)中存儲(chǔ)信息都是以二進(jìn)制數(shù)表示的，而我們?cè)陔娔X屏幕上看到的文字、數(shù)字、英文、標(biāo)點(diǎn)符號(hào)等都是將二進(jìn)制數(shù)轉(zhuǎn)換過后的結(jié)果，按照某種規(guī)則，將計(jì)算機(jī)中的二進(jìn)制數(shù)與某個(gè)抽象字符集合一一對(duì)應(yīng)，這就是字符編碼。

3、ASCII字符集ASCII 全稱（American Standard Code for Information Interchange）美國(guó)信息交換標(biāo)準(zhǔn)代碼，它是基于拉丁字母的一套電腦編碼系統(tǒng)，其最初在創(chuàng)建的時(shí)候主要是為了顯示英語以及一些西歐語言，是國(guó)際通用的信息交換使用標(biāo)準(zhǔn)碼。ASCII使用了7位二進(jìn)制來表示128個(gè)字符和符號(hào)，目前已經(jīng)停止更新。

4、Unicode字符集ASCII字符集只包含了128個(gè)字符，對(duì)于全世界的所有語言來說，并不能容納下世界上所有的語言。所以Unicode字符集出現(xiàn)了。
Unicode又被稱為統(tǒng)一碼、萬國(guó)碼，是國(guó)際組織制定的用來容納全世界字符的編碼方案。是的，確切的說Unicode是一種編碼方案，以實(shí)現(xiàn)跨語言、跨平臺(tái)的文本處理、轉(zhuǎn)換的要求。

但是Unicode只是一種字符與二進(jìn)制數(shù)之間的一種邏輯映射編碼，它并沒有指定在計(jì)算集中應(yīng)該如何的進(jìn)行存儲(chǔ)。所以此時(shí)就需要一種編碼格式用來指定Unicode字符集中的字符是如何進(jìn)行編碼的。

在Unicode官方資料中，Unicode編碼方式有三種：UTF-8、UTF-16、UTF-32，而其中UTF-8編碼成為了現(xiàn)今互聯(lián)網(wǎng)使用較多的編碼方式。

5、GB2312GB2312編碼是第一個(gè)漢字編碼國(guó)家標(biāo)準(zhǔn)，于1980年由中國(guó)國(guó)家標(biāo)準(zhǔn)總局發(fā)布。其中共收錄了漢字6763個(gè)。但是由于我國(guó)的漢字非常多，GB2312收錄的漢字不夠用了，所以GBK誕生了。GBK包含了GB2312的所有內(nèi)容的同時(shí)還新增了20000多新的漢字，對(duì)于一些日常需求已經(jīng)為完全夠用了。