当前位置: 代码迷 >> J2SE >> String中的getBytes()怎么存储一个中文字符
  详细解决方案

String中的getBytes()怎么存储一个中文字符

热度:35   发布时间:2016-04-23 20:05:53.0
String中的getBytes()如何存储一个中文字符
本帖最后由 leafact 于 2014-12-09 21:20:37 编辑
首先举个例子显示出8位的byte在2进制中的补码
            byte b=-1;
            System.out.println(b&0xff);//为255
            System.out.println(Integer.toString(b&0xff, 2));//转化为2进制
测试结果为:11111111,正好符合-1在计算机中补码的形式,那么,问题来了
      char i='一';
        System.out.println(Integer.toString(i, 2)); //结果为0100 1110 0000 0000 就是4e00(Unicode编码的中文第一个数)
        String s="一";
        byte[] by=s.getBytes();
        for(byte a:by){
            System.out.println(Integer.toString(a&0xff, 2));
         //结果输出为11100100//-28
                              10111000//-72
                              10000000//-128
        }
我可以理解会把中文分成多个byte字节,但是byte合起来不等于我想要的‘一’的2进制数呢?难道哪里分析错了了,求大神指教啊
------解决思路----------------------
你的第一个 char i='一';采用的是Unicode编码,第二个 byte[] by=s.getBytes();采用的是UTF-8方式解码,自然不一样了。
------解决思路----------------------
UTF-8是一种变长字节编码方式。对于某一个字符的UTF-8编码,如果只有一个字节则其最高二进制位为0;如果是多字节,其第一个字节从最高位开始,连续的二进制位值为1的个数决定了其编码的位数,其余各字节均以10开头。UTF-8最多可用到6个字节。 
如表: 
1字节 0xxxxxxx 
2字节 110xxxxx 10xxxxxx 
3字节 1110xxxx 10xxxxxx 10xxxxxx 
4字节 11110xxx 10xxxxxx 10xxxxxx 10xxxxxx 
5字节 111110xx 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx 
6字节 1111110x 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx 
因此UTF-8中可以用来表示字符编码的实际位数最多有31位,即上表中x所表示的位。除去那些控制位(每字节开头的10等),这些x表示的位与UNICODE编码是一一对应的,位高低顺序也相同。 
实际将UNICODE转换为UTF-8编码时应先去除高位0,然后根据所剩编码的位数决定所需最小的UTF-8编码位数。 
因此那些基本ASCII字符集中的字符(UNICODE兼容ASCII)只需要一个字节的UTF-8编码(7个二进制位)便可以表示。 
  相关解决方案