java byte与char互转原理-转

妖狐艹你老母 2022-07-16 14:51 255阅读 0赞

引用：[http://abs200311235.javaeye.com/blog/201786][http_abs200311235.javaeye.com_blog_201786]

一、字节和unicode  
  
Java内核是unicode的，就连class文件也是，但是很多媒体，包括文件/流的保存方式是使用字节流的。因此Java要对这些字节流经行转化。 char是unicode的，而byte是字节。Java中 byte/char互转的函数在sun.io的包中间有。其中ByteToCharConverter类是中调度，可以用来告诉你，你用的 convertor。其中两个很常用的静态函数是：  
  
public static ByteToCharConverter getDefault();  
public static ByteToCharConverter getConverter(String encoding);  
  
  
  
如果你不指定converter，则系统会自动使用当前的encoding,gb平台上用gbk,en平台上用8859\_1。  
  
byte ——〉char：  
"你"的gb码是：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\[i\]));  
\}  
结果是什么？0x4f60  
如果encoding ="8859\_1"，结果又是什么？0x00c4,0x00e3  
  
  
  
如果代码改为：  
  
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\[i\]));  
\}  
  
  
  
结果将又是什么？  
  
这就要根据平台的编码而定。  
  
char ——〉byte：  
    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\[i\]));  
    \}  
结果是什么？0x00c4,0x00e3  
如果encoding ="8859\_1"，结果又是什么？0x3f  
如果代码改为  
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\[i\]));  
    \}  
  
  
  
结果将又是什么？还是根据平台的编码而定。  
  
很多中文问题就是从这两个最简单的类派生出来的。而却有很多类不直接支持把encoding输入，这给我们带来诸多不便。很多程序难得用encoding了，直接用default的encoding，这就给我们移植带来了很多困难。  
  
二、utf-8  
  
utf-8是和unicode一一对应的，其实现很简单：  
  
7位的unicode: 0 \_ \_ \_ \_ \_ \_ \_  
11位的unicode: 1 1 0 \_ \_ \_ \_ \_ 1 0 \_ \_ \_ \_ \_ \_  
16位的unicode: 1 1 1 0 \_ \_ \_ \_ 1 0 \_ \_ \_ \_ \_ \_ 1 0 \_ \_ \_ \_ \_ \_  
21位的unicode: 1 1 1 1 0 \_ \_ \_ 1 0 \_ \_ \_ \_ \_ \_ 1 0 \_ \_ \_ \_ \_ \_ 1 0 \_ \_ \_ \_ \_ \_  
  
  
  
大多数情况是只使用到16位以下的unicode:  
  
"你"的gb码是：0xc4e3 ,unicode是0x4f60  
    0xc4e3的二进制：  
          1100 ，0100 ，1110 ，0011  
  
  
  
由于只有两位我们按照两位的编码来排，但是我们发现这行不通，因为第７位不是0因此，返回"?"  
  
0x4f60的二进制：  
               0100 ，1111 ，0110 ，0000  
         我们用utf-8补齐，变成：  
               1110 ，0100 ，1011 ，1101 ，1010 ，0000  
         e4--bd-- a0  
         于是返回：0xe4,0xbd,0xa0。  
  
  
  
三、string和byte\[\]  
  
string其实核心是char\[\],然而要把byte转化成string，必须经过编码。string.length()其实就是char数组的长度，如果使用不同的编码，很可能会错分，造成散字和乱码。例如：  
  
String encoding = “”;  
byte \[\] b=\{(byte)'/u00c4',(byte)'/u00e3'\};  
String str=new String(b,encoding);  
  
  
  
如果encoding=8859\_1，会有两个字，但是encoding=gb2312只有一个字这个问题在处理分页是经常发生。  
  
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读/写InputStream/OutputStream。例如：  
  
文件test.txt只有一个"你"字，0xc4,0xe3  
String encoding = "gb2312";  
    InputStreamReader reader = new InputStreamReader(new FileInputStream(  
        "text.txt"), encoding);  
    char c\[\] = new char\[10\];  
    int length = reader.read(c);  
    for (int i = 0; i < length; i++) \{  
       System.out.println(c\[i\]);  
    \}  
  
  
  
结果是什么？是"你"。如果encoding ="8859\_1"，结果是什么？"??"两个字符，表示不认识。反过来的例子自己做。  
五、我们要对Java的编译器有所了解：  
  
Javac ?encoding  
  
  
  
我们常常没有用到encoding这个参数。其实encoding这个参数对于跨平台的操作是很重要的。如果没有指定encoding，则按照系统的默认 encoding,gb平台上是gb2312，英文平台上是iso8859\_1。Java的编译器实际上是调用sun.tools.Javac.main 的类，对文件进行编译，这个类有compile函数中间有一个encoding的变量,-encoding的参数其实直接传给encoding变量。编译器就是根据这个变量来读取Java文件的，然后把用utf-8形式编译成class文件。例子代码：  
  
String str = "你";  
    FileWriter writer = new FileWriter("text.txt");  
    write.write(str);  
    writer.close();  
  
如果用gb2312编译，你会找到e4 bd a0的字段 ；  
如果用8859\_1编译， 00c4 00e3的二进制：  
0000，0000 ，1100，0100 ，0000，0000 ，1110，0011  
因为每个字符都大于7位，因此用11位编码：  
1100，0001，1000，0100，1100，0011，1010，0011  
c1-- 84--　c3--　 a3  
你会找到c1 84 c3 a3  
  
  
  
但是我们往往忽略掉这个参数，因此这样往往会有跨平台的问题：  
  
样例代码在中文平台上编译，生成zhclass  
  
样例代码在英文平台上编译，输出enclass  
  
(1) zhclass在中文平台上执行ok,但是在英文平台上不行  
  
(2) enclass在英文平台上执行ok,但是在中文平台上不行  
  
原因是：  
  
(1) 在中文平台上编译后，其实str在运行态的char\[\]是0x4f60,　在中文平台上运行，filewriter的缺省编码是gb2312,因此 chartobyteconverter会自动用调用gb2312的converter,把str转化成byte输入到fileoutputstream 中，于是0xc4,0xe3放进了文件。但是如果是在英文平台下，chartobyteconverter的缺省值是8859\_1, filewriter会自动调用8859\_1去转化str,但是他无法解释，因此他会输出"?"  
  
(2) 在英文平台上编译后，其实str在运行态的char\[\]是0x00c4 0x00e3, 在中文平台上运行，中文无法识别，因此会出现??；在英文平台上，0x00c4-->0xc4,0x00e3->0xe3，因此 0xc4,0xe3被放进了文件。  
  
六、其它原因：  
  
<%@ page contentType="text/html; charset=GBK" %>  
  
  
  
设置浏览器的显示编码，如果response的数据是utf8编码，显示将是乱码，但是乱码和上述原因还不一样。  
  
七、发生编码的地方：  
  
1. 从数据库到Java程序 byte——〉char  
  
2. 从Java程序到数据库 char——〉byte  
  
3. 从文件到Java程序 byte——〉char  
  
4. 从Java程序到文件 char——〉byte  
  
5. 从Java程序到页面显示 char——〉byte  
  
6. 从页面form提交数据到Java程序byte——〉char  
  
7. 从流到Java程序byte——〉char  
  
8. 从Java程序到流char——〉byte  
  
可以使用配置过滤器的方法解决中文乱码的：  
  
<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>  
  
  
  public void 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"));  
// 设置字符集？  
//实际上是设置了byte ——〉char的encoding  
    try \{  
      if (userId == null || userId.equals("")) \{  
        if (!request.getRequestURL().toString().matches(  
            ".\*/uirs/logon/logon(Controller)\{0,1\}//x2EJsp$")) \{  
          session.invalidate();  
          response.sendRedirect(request.getContextPath() +  
                                "/uirs/logon/logon.Jsp");  
        \}  
      \}  
      else \{  
   // 看看是否具有信息上报系统的权限  
        if (!net.golden.uirs.util.UirsChecker.check(userId, "信息上报系统",  
            net.golden.uirs.util.UirsChecker.ACTION\_DO)) \{  
          if (!request.getRequestURL().toString().matches(  
                 ".\*/uirs/logon/logon(Controller)\{0,1\}//x2EJsp$")) \{  
            response.sendRedirect(request.getContextPath() +  
                                  "/uirs/logon/logonController.Jsp");  
          \}  
        \}  
      \}  
    \}  
    catch (Exception ex) \{  
      response.sendRedirect(request.getContextPath() +"/uirs/logon/logon.Jsp");  
    \}  
    fChain.doFilter(req, res);  
  \}

[http_abs200311235.javaeye.com_blog_201786]: http://abs200311235.javaeye.com/blog/201786