java byte與char互轉原理
阿新 • • 發佈：2019-02-11
一、位元組和unicode
Java核心是unicode的，就連class檔案也是，但是很多媒體，包括檔案/流的儲存方式是使用位元組流的。因此Java要對這些位元組流經行轉化。 char是unicode的，而byte是位元組。Java中 byte/char互轉的函式在sun.io的包中間有。其中ByteToCharConverter類是中排程，可以用來告訴你，你用的 convertor。其中兩個很常用的靜態函式是：
publicstatic ByteToCharConverter getDefault();
publicstatic ByteToCharConverter getConverter(String encoding);
如果你不指定converter，則系統會自動使用當前的encoding,gb平臺上用gbk,en平臺上用8859_1。
"你"的gb碼是：0xc4e3 ,unicode是0x4f60
String encoding ="gb2312";
byte b[] = {(byte)'\u00c4',(byte)'\u00e3'};
ByteToCharConverter converter = ByteToCharConverter.getConverter(encoding);
char c[] = converter.convertAll(b);
for (int i =0; i < c.length; i++) {
System.out.println(Integer.toHexString(c[i]));
}
結果是什麼？
如果encoding ="8859_1"，結果又是什麼？0x00c4,0x00e3
如果程式碼改為：
byte b[] = {(byte)'\u00c4',(byte)'\u00e3'};
ByteToCharConverter converter = ByteToCharConverter. getDefault();
char c[] = converter.convertAll(b);
for (int i =0; i < c.length; i++) {
System.out.println(Integer.toHexString(c[i]));
}
結果將又是什麼？
這就要根據平臺的編碼而定。
String encoding ="gb2312";
char c[] = {'\u4f60'};
CharToByteConverter converter = CharToByteConverter.getConverter(encoding);
byte b[] = converter.convertAll(c);
for (int i =0; i < b.length; i++) {
System.out.println(Integer.toHexString(b[i]));
}
結果是什麼？0x00c4,0x00e3
如果encoding ="8859_1"，結果又是什麼？0x3f
如果程式碼改為
String encoding ="gb2312";
char c[] = {'\u4f60'};
CharToByteConverter converter = CharToByteConverter.getDefault();
byte b[] = converter.convertAll(c);
for (int i =0; i < b.length; i++) {
System.out.println(Integer.toHexString(b[i]));
}
結果將又是什麼？還是根據平臺的編碼而定。
很多中文問題就是從這兩個最簡單的類派生出來的。而卻有很多類不直接支援把encoding輸入，這給我們帶來諸多不便。很多程式難得用encoding了，直接用default的encoding，這就給我們移植帶來了很多困難。
二、utf-8
utf-8是和unicode一一對應的，其實現很簡單：
7位的unicode: 0 _ _ _ _ _ _ _
11位的unicode: 110 _ _ _ _ _ 10 _ _ _ _ _ _
16位的unicode: 1110 _ _ _ _ 10 _ _ _ _ _ _ 10 _ _ _ _ _ _
21位的unicode: 11110 _ _ _ 10 _ _ _ _ _ _ 10 _ _ _ _ _ _ 10 _ _ _ _ _ _
大多數情況是隻使用到16位以下的unicode:
"你"的gb碼是：0xc4e3 ,unicode是0x4f60
0xc4e3的二進位制：
1100 ，0100 ，1110 ，0011
由於只有兩位我們按照兩位的編碼來排，但是我們發現這行不通，因為第７位不是0因此，返回"?"
0x4f60的二進位制：
0100 ，1111 ，0110 ，0000
我們用utf-8補齊，變成：
1110 ，0100 ，1011 ，1101 ，1010 ，0000
e4--bd-- a0
於是返回：0xe4,0xbd,0xa0。
三、string和byte[]
string其實核心是char[],然而要把byte轉化成string，必須經過編碼。string.length()其實就是char陣列的長度，如果使用不同的編碼，很可能會錯分，造成散字和亂碼。例如：
String encoding = “”;
byte [] b={(byte)'\u00c4',(byte)'\u00e3'};
String str=new String(b,encoding);
如果encoding=8859_1，會有兩個字，但是encoding=gb2312只有一個字這個問題在處理分頁是經常發生。
四、Reader,Writer / InputStream,OutputStream
Reader和Writer核心是char，InputStream和OutputStream核心是byte。但是Reader和Writer的主要目的是要把char讀/寫InputStream/OutputStream。例如：
檔案test.txt只有一個"你"字，0xc4,0xe3
String encoding ="gb2312";
InputStreamReader reader =new InputStreamReader(new FileInputStream(
"text.txt"), encoding);
char c[] =newchar[10];
int length = reader.read(c);
for (int i =0; i < length; i++) {
System.out.println(c[i]);
}
結果是什麼？是"你"。如果encoding ="8859_1"，結果是什麼？"??"兩個字元，表示不認識。反過來的例子自己做。
五、我們要對Java的編譯器有所瞭解：
Javac ?encoding
我們常常沒有用到encoding這個引數。其實encoding這個引數對於跨平臺的操作是很重要的。如果沒有指定encoding，則按照系統的預設 encoding,gb平臺上是gb2312，英文平臺上是iso8859_1。Java的編譯器實際上是呼叫sun.tools.Javac.main 的類，對檔案進行編譯，這個類有compile函式中間有一個encoding的變數,-encoding的引數其實直接傳給encoding變數。編譯器就是根據這個變數來讀取Java檔案的，然後把用utf-8形式編譯成class檔案。例子程式碼：
String str ="你";
FileWriter writer =new FileWriter("text.txt");
write.write(str);
writer.close();
如果用gb2312編譯，你會找到e4 bd a0的欄位 ；
如果用8859_1編譯， 00c4 00e3的二進位制：
0000，0000 ，1100，0100 ，0000，0000 ，1110，0011
因為每個字元都大於7位，因此用11位編碼：
1100，0001，1000，0100，1100，0011，1010，0011
c1--84-- c3-- a3
你會找到c1 84 c3 a3
但是我們往往忽略掉這個引數，因此這樣往往會有跨平臺的問題：
樣例程式碼在中文平臺上編譯，生成zhclass
樣例程式碼在英文平臺上編譯，輸出enclass
(1) zhclass在中文平臺上執行ok,但是在英文平臺上不行
(2) enclass在英文平臺上執行ok,但是在中文平臺上不行
原因是：
(1) 在中文平臺上編譯後，其實str在執行態的char[]是0x4f60, 在中文平臺上執行，filewriter的預設編碼是gb2312,因此 chartobyteconverter會自動用呼叫gb2312的converter,把str轉化成byte輸入到fileoutputstream 中，於是0xc4,0xe3放進了檔案。但是如果是在英文平臺下，chartobyteconverter的預設值是8859_1, filewriter會自動呼叫8859_1去轉化str,但是他無法解釋，因此他會輸出"?"
(2) 在英文平臺上編譯後，其實str在執行態的char[]是0x00c4 0x00e3, 在中文平臺上執行，中文無法識別，因此會出現??；在英文平臺上，0x00c4-->0xc4,0x00e3->0xe3，因此 0xc4,0xe3被放進了檔案。
六、其它原因：
<%@ page contentType="text/html; charset=GBK"%>
設定瀏覽器的顯示編碼，如果response的資料是utf8編碼，顯示將是亂碼，但是亂碼和上述原因還不一樣。
七、發生編碼的地方：
1. 從資料庫到Java程式 byte——〉char2. 從Java程式到資料庫 char——〉byte3. 從檔案到Java程式 byte——〉char4. 從Java程式到檔案 char——〉byte5. 從Java程式到頁面顯示 char——〉byte6. 從頁面form提交資料到Java程式byte——〉char7. 從流到Java程式byte——〉char8. 從Java程式到流char——〉byte
可以使用配置過濾器的方法解決中文亂碼的：
<web-app><filter><filter-name>RequestFilter</filter-name><filter-class>net.golden.uirs.util.RequestFilter</filter-class><init-param><param-name>charset</param-name><param-value>gb2312</param-value></init-param></filter><filter-mapping><filter-name>RequestFilter</filter-name><url-pattern>*.Jsp</url-pattern></filter-mapping></web-app>publicvoid doFilter(ServletRequest req, ServletResponse res,
FilterChain fChain) throws IOException, ServletException {
HttpServletRequest request = (HttpServletRequest) req;
HttpServletResponse response = (HttpServletResponse) res;
HttpSession session = request.getSession();
String userId = (String) session.getAttribute("userid");
req.setCharacterEncoding(this.filterConfig.getInitParameter("charset"));
// 設定字符集？
//實際上是設定了byte ——〉char的encoding try {
if (userId ==null|| userId.equals("")) {
if (!request.getRequestURL().toString().matches(
".*/uirs/logon/logon(Controller){0,1}\\x2EJsp$")) {
session.invalidate();
response.sendRedirect(request.getContextPath() +"/uirs/logon/logon.Jsp");
}
}
else {
// 看看是否具有資訊上報系統的許可權 if (!net.golden.uirs.util.UirsChecker.check(userId, "資訊上報系統",
net.golden.uirs.util.UirsChecker.ACTION_DO)) {
if (!request.getRequestURL().toString().matches(
".*/uirs/logon/logon(Controller){0,1}\\x2EJsp$")) {
response.sendRedirect(request.getContextPath() +"/uirs/logon/logonController.Jsp");
}
}
}
}
catch (Exception ex) {
response.sendRedirect(request.getContextPath() +"/uirs/logon/logon.Jsp");
}
fChain.doFilter(req, res);