Java认证：Java中编码以及Unicode总结（8）

会计考友

11
　　字节序
　　按照字节序的分歧，UTF-16可以被实现为UTF-16LE或UTF-16BE，UTF-32可以被实现为UTF-32LE或UTF-32BE。例如：
　　Unicode编码 ║ UTF-16LE ║ UTF-16BE ║ UTF32-LE ║ UTF32-BE
# i9 u# B" e+ C2 S　　0×006C49 ║ 49 6C ║ 6C 49 ║ 49 6C 00 00 ║ 00 00 6C 49
　　0×020C30 ║ 43 D8 30 DC ║ D8 43 DC 30 ║ 30 0C 02 00 ║ 00 02 0C 30
% O' d& K( f9 M1 [3 o( b0 O　　BOM
# g! ~# D8 i! K( m& s9 N) y　　那么，怎么判定字节约的字节序呢？Unicode尺度建议用BOM（Byte Order Mark）来区分字节序，即在传输字节约前，先传输被作为BOM的字符”零宽无间断空格”。这个字符的编码是FEFF，而反过来的FFFE（UTF- 16）和FFFE0000（UTF-32）在Unicode中都是不决义的码位，不应该呈此刻现实传输中。下表是各类UTF编码的BOM：
　　UTF编码 ║ Byte Order Mark
　　UTF-8 ║ EF BB BF
　　UTF-16LE ║ FF FE
: a) {9 A1 T+ k% t　　UTF-16BE ║ FE FF
　　UTF-32LE ║ FF FE 00 00
; L; }! W0 y: m0 k+ c4 M　　UTF-32BE ║ 00 00 FE FF
　　5、
　　java中使用的Unicode
　　5.1 内部编码
1 B$ d5 @0 u' G2 b0 T
　　Java中，字符只以一种形式存在，那就是JVM内部的内部暗示，Unicode码编号（U+0000~U+10FFFF）。JVM的独一确定一个字符使得一个编码在进入jvm或者从jvm输出时需要进行编码转换。也就是编码转换只发生在JVM和OS以及收集传输的交互地带，也就是IO的各类 byte或者 reader/writer输入输出发生浸染的处所。在JVM和OS以及收集流交互的时刻，Reader和Writer只是合用默认编码进行了默认的编码转换，来转换为字符流。面向字符是指系统文件中的字符和内存中的要一致。而面向字节是要保证系统中的二进制内容和读入JVM内部的二进制内容要一致。

会计考友

</p>　　5.2 utf-16
+ k6 K4 _: x; ~9 m# n. F+ o　　总共17个平面
　　0×0000~0×10FFFF 1114112-2048=1112064个码位
. P, J& z$ ~* [3 W3 ?　　Unicode已界说的码位是238605个
( l2 y$ J" Z. N, X5 ]　　平面15之界说了占65534个码位的专用区，0xF0000~0xFFFFD。
　　平面16之界说了占65534个码位的专用区，0×100000~0×10FFFD。
' S- ~3 |4 a9 @0 }5 s* w: t) V- Y　　平面0中界说了6400个专有区，0xE0000~0xF8FF。
　　238605-65534*2-6400-2408=99089余下的分布在平面0、1、2、14上。
　　12
. M' u' B9 m& E, D* W* {　　平面0上界说了52080个字符；
1 R2 [7 W; C5 N+ f! L2 w5 o　　平面1上界说了3419个字符；
9 [) |; L" v9 j1 l  D$ o& D" ]  r6 [* ^　　平面2上界说了43253个字符；
　　平面14上界说了337个字符。
　　平面2的43253个字符都是汉字，平面0上界说了27973个汉字。
4 {- J: K) c& z" F8 i" Q3 O8 X　　根基平面 0×0000~0xFFFF
　　1~14平面 0×10000~0xEFFFF 0xD800~0xDBFF高位 DCOO~DFFF低位
% E7 I/ u+ S5 b# f  m: d　　15平面 0xF0000~0xFFFFF 0xDB80~0xDBBF高位 DCOO~DFFF低位
　　16平面 0×100000~0×10FFFF 0xDBC0~0xDBFF高位 DCOO~DFFF低位
　　5.3高位序列和低位序列的判定
" W0 {/ q# Z/ L  i, l* F8 {　　java.lang.String#getBytes（String） 的源代码
　　java.lang.StringCoding.encode 的源代码，再经由过程其底层类库的字符集类sun.io.CharacterEncoding 可以找出 Unicode 的转换器，是采用sun.io.CharToByteUnicode 这个类的，这个类的 sun.io 包是篡夺file.encoding.pkg 这个系统属性拼接字符串反射而来的。