Java认证之Java中编码以及Unicode总结（9）

会计考友

Java认证之Java中编码以及Unicode总结（9）
0 _  N3 I, w) }1 ^　6、
% h' B1 g2 v8 c　　常见问题
　　6.1 通用UTF-8来编码
+ P/ R7 N# Q7 S& ?　　大量使用国外的开源软件时，UTF-8才是编码界最通用的语言。对英文是单字节、中文是三字节。在大量的英文存在的情况下高效。
; F# J2 @) }; J% b  E/ l　　6.2编码问题时查看
　　%javahome%/jre/lib/charsets.jar
. G) h6 J' A! h1 A( ^　　6.3 语言的编码
　　C、C++、Python2内部字符串都是使用当前系统默认编码。
　　Python3、Java内部字符串用Unicode保存。
　　Ruby有一个内部变量$KCODE用来表示可识别的多字节字符串的编码，变量值为”EUC” “SJIS” “UTF8″ “NONE”之一。$KCODE的值为”EUC”时，将假定字符串或正则表达式的编码为EUC-JP。同样地，若为”SJIS”时则认定为Shift JIS。若为”UTF8″时则认定为UTF-8。若为”NONE”时，将不会识别多字节字符串。在向该变量赋值时，只有第1个字节起作用，且不区分大小写字母。”e” “E” 代表”EUC”，”s” “S” 代表 “SJIS”，”u” “U” 代表 “UTF8″，而”n” “N” 则代表 “NONE”。默认值为”NONE”。即默认情况下Ruby把字符串当成单字节序列来处理。
: f- a: g7 M* n# S+ P3 \1 S# D/ w　　6.4 js的unicode
　　13
% L" I2 }- r" c  I" y9 r: u2 s) i' H& p　　6.5 网页编码
9 X) j& I* a& O5 S　　一个网页要在浏览器中正常显示，需要保持网页文件的编码、网页的meta标签声明（charset 来制定的其实是encoding编码而不是字符集）、浏览器编码设置是一致的。
# p: X) x7 Q$ ^2 c; [) A9 x　　6.6 联通乱码
: X4 E8 F2 m/ S: J, G' _5 h　　在Win下的新建一个记事本文件，输入”联通”两个字之后，保存之后重新打开，发现出现乱码。这是因为GBK编码与UTF8编码产生了编码冲突。
　　从UNICODE到UTF8的转换规则：
. b+ b$ Q, x+ K- Y0 z5 H* J; r　　Unicode UTF-8
- r. e# o2 t  o0 s4 c　　0000 – 007F 0xxxxxxx
　　0080 – 07FF 110xxxxx 10xxxxxx
　　0800 – FFFF 1110xxxx 10xxxxxx 10xxxxxx
" v2 w  ]) a7 U8 b9 \! E- p/ c联的Unicode编码是［0x80］ ［0x54］
　　通的Unicode编码是［0x90］ ［0x1A］
　　8054和901A在0800-FFFF之间，所以要用3字节模板：1110xxxx 10xxxxxx 10xxxxxx。使用第三种转换得到
9 N" u5 Q+ N! h+ X$ z7 |0 ?3 m　　［0xE8］ ［0x81］ ［0x94］ ［0xE9］ ［0x80］ ［0x9A］，这就是其UTF8的编码。
　　新建一个文本文件时，记事本的编码默认是ANSI， 中文的就是GBK编码，而，此时”联通”的内码是：［0xC1］ ［0xAA］ ［0xCD］ ［0xA8］
　　C1 1100 0001
0 C9 p  q5 x, N# X0 u　　AA 1010 1010
　　CD 1100 1101
　　A8 1010 1000
7 x) h. t* G9 W　　其中联的两个字节、通的两个字节的起始部分的都是”110″和”10″，与UTF8规则里的两字节模板是一致，所以再次用记事本打开时，记事本误认为这是一个UTF8编码的文件。按照反编码得到UNICODE的0x 006A，和0×0368，0×0368这个字符什么也不是，这就是”联通”两个字的文件没有办法在记事本里正常显示的原因。如果多几个字的输入话，由于记事本检测到不是合格的uft-8编码的字节转而会采用GBK，乱码又不出现。