Java字元編碼實例分析

1、Java檔案編譯後形成class

這裡Java檔案的編碼可能有多種多樣，但Java編譯器會自動將這些編碼依照Java檔案的編碼格式正確讀取後產生class文件，這裡的class檔案編碼是Unicode編碼（具體說是UTF-16編碼）。

因此，在Java程式碼中定義一個字串：

String s="漢字";

不管在編譯前java檔案使用何種編碼，在編譯後成class後，他們都是一樣的----Unicode編碼表示。

2、JVM中的編碼

JVM載入class文件讀取時候使用Unicode編碼方式正確讀取class文件，那麼原來定義的String s="漢字";在記憶體中的表現形式是Unicode編碼。

當呼叫String.getBytes()的時候，其實已經為亂碼買下了禍根。因為此方法使用平台預設的字元集來取得字串對應的位元組數組。在WindowsXP中文版中，使用的預設編碼是GBK，不信運行下：

public class Test {   public static void main(String[] args) {   System.out.println("当前JRE：" + System.getProperty("java.version"));   System.out.println("当前JVM的默认字符集：" + Charset.defaultCharset());   }   }

目前JRE：1.6.0_16

目前JVM的預設字元集：GBK

當不同的系統、資料庫經過多次編碼後，如果對其中的原理不理解，就容易導致亂碼。因此，在一個系統中，有必要對字串的編碼做一個統一，這個統一模糊點說，就是對外統一。例如方法字串參數，IO流，在中文系統中，可以統一使用GBK、GB13080、UTF-8、UTF-16等等都可以，只是要選擇有些更大字符集，以確保任何可能用到的字符都可以正常顯示，避免亂碼的問題。 （假設對所有的檔案都用ASCII碼）那就無法實現雙向轉換了。

要特別注意的是，UTF-8並非能容納了所有的中文字元集編碼，因此，在特殊情況下，UTF-8轉GB18030可能會出現亂碼，然而一群傻B常常在做中文系統喜歡用UTF-8編碼而不說不出個所以然出來！最傻B的是，一個系統多個人做，原始碼檔案有的人用GBK編碼，有人用UTF-8，還有人用GB18030。 FK，都是中國人，也不是外包項目，用什麼UTF-8啊，神經！原始碼統統都用GBK18030就OK了，免得ANT腳本編譯時候提示不可認的字元編碼。

因此，對於中文系統來說，***選擇GBK或GB18030編碼（其實GBK是GB18030的子集），以便***限度的避免亂碼現象。

3、記憶體中字串的編碼

記憶體中的字串不僅限於從class程式碼直接載入而來的字串，還有一些字串是從文字檔案中讀取的，還有的是透過資料庫讀取的，還有可能是從位元組數組建構的，然而他們基本上都不是Unicode編碼的，原因很簡單，儲存優化。

因此需要處理各種各樣的編碼問題，在處理之前，必須先明確「來源」的編碼，然後用指定的編碼方式正確讀取到記憶體中。如果是方法的參數，實際上必須明確該字串參數的編碼，因為這個參數可能是另外一個日文系統傳遞過來的。當明確了字串編碼時候，就可以按照要求正確處理字串，以避免亂碼。

在對字串進行解碼編碼的時候，應該呼叫下面的方法：

getBytes(String charsetName)   String(byte[] bytes, String charsetName)

以上是Java字元編碼實例分析的詳細內容。更多資訊請關注PHP中文網其他相關文章！