Java认证：Java中编码以及Unicode总结（9）

会计考友

6、 　　常见问题
7 |) Z& B: j* O  W; ~. G, v　　6.1 通用UTF-8来编码
　　大量使用国外的开源软件时，UTF-8才是编码界最通用的说话。对英文是单字节、中文是三字节。在大量的英文存在的情形下高效。
　　6.2编码问题时查看
6 {8 W2 i  c! h; S  s　　%javahome%/jre/lib/charsets.jar
! `: |# U8 j1 \0 O　　6.3 说话的编码
　　C、C++、Python2内部字符串都是使用当前系统默认编码。
1 b7 V- z! y% x( u　　Python3、Java内部字符串用Unicode保留。
　　Ruby有一个内部变量$KCODE用来暗示可识此外多字节字符串的编码，变量值为”EUC” “SJIS” “UTF8″ “NONE”之一。$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。在向该变量赋制瘫，只有第1个字节起浸染，且不区分巨细写字母。”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”。即默认情形下Ruby把字符串当成单字节序列来措置。
2 U+ t0 B0 ~* q2 T4 K/ {　　6.4 js的unicode
　　13
. P$ b9 q- W) w　　6.5 网页编码
　　一个网页要在浏览器中正常显示，需要连结网页文件的编码、网页的meta标签声明（charset 来拟定的其实是encoding编码而不是字符集）、浏览器编码设置是一致的。
　　6.6 联通乱码
　　在Win下的新建一个记事本文件，输入”联通”两个字之后，保留之后从头打开，发现呈锨氚搽。这是因为GBK编码与UTF8编码发生了编码冲突。
　　从UNICODE到UTF8的转换轨则：
　　Unicode UTF-8
　　0000 – 007F 0xxxxxxx
8 s( d' N$ e! q$ _& P) W　　0080 – 07FF 110xxxxx 10xxxxxx
1 {. ]7 ]4 R0 y' v' p; {　　0800 – FFFF 1110xxxx 10xxxxxx 10xxxxxx
$ t2 Z6 K5 T0 c! k+ E8 ]( `6 I$ E, \7 t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。使用第三种转换获得
0 d( T/ |- E4 b　　［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
　　AA 1010 1010
　　CD 1100 1101
　　A8 1010 1000
4 p: G( @3 T; m5 Z  n: n& t　　其中联的两个字节、通的两个字节的肇端部门的都是”110″和”10″，与UTF8轨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。按照反编码获得UNICODE的0x 006A，和0×0368，0×0368这个字符什么也不是，这就是”联通”两个字的文件没有法子在记事本里正常显示的原因。如不美观多几个字的输入话，因为记事本检测到不是及格的uft-8编码的字节转而会采用GBK，乱码又不呈现。