bytes 转换字符串汉字 bytes在线转换_gbk编码在线转换


原码,补码,反码

因为原码,补码,反码比较简单,我这里粘贴一个例子进行展示。

bytes 转换字符串汉字 bytes在线转换_gbk编码在线转换_02


Unicode 和 UTF-8 的关系

Uincode 是一个字符集。它规定了我们使用到的字或符号的码点(code point)。码点使用 16 进制保存。


bytes 转换字符串汉字 bytes在线转换_bytes 转换字符串汉字_03


Uincode 字符集规定 一 的码点为 4E00。
Uincode 字符集规定 丁 的码点为 4E01。
计算机呢只能识别二进制的 0 和 1。而 UTF-8 指的是编码规则,规定码点怎么保存成二进制。
还有别的 Unicode 编码规则,UTF-16 和 UTF-32。


bytes 转换字符串汉字 bytes在线转换_gbk编码在线转换_04


上述表格简单描述了Unicode 按 UTF-8 编码的格式。

  • 首先将 16 进制的码点,通过进制转换 为十进制
  • 然后使用十进制的数字查找上述表格处于哪个范围中,得出编码规则。
  • 然后将码点转换为 2 进制,从低位到高位替换 x 即可得到字二进制的原码
  • 将二进制的原码转换为补码存储。

java 内存中的字符串采用的是 unicode 编码,也就是内编码。我们可以从 unicode 转变为 GBK 或 UTF-8 等其它规则。
代码验证猜想
以赵为例子讲解。
赵的码点为:8D75
16 进制的码点转换为 10 进制:36213
36213 处于 2048-65535 ,得出对应的 UTF-8 编码格式为:1110xxxx 10xxxxxx 10xxxxxx
赵的 16 进制码点 8D75 转换为二进制 1000
将二进制填充在 1110xxxx 10xxxxxx 10xxxxxx 中的 x 中,不足的补 0.
11101000 10110101 10110101。
对三个字节分别求补码为:
原码:11101000 10110101 10110101
补码:10011000 11001011 11001011
补码对应 java 中的字节数组为:{-24,-75,-75


bytes 转换字符串汉字 bytes在线转换_bytes 转换字符串汉字_05


  • 再加一个例子:

且的码点:4E14
16 进制的码点转换为 10 进制:19988
19988 处于 2048-65535 ,得出对应的 UTF-8 编码格式为:1110xxxx 10xxxxxx 10xxxxxx
16 进制的码点转换成二进制:100111000010100
原码:11100100 10111000 10010100
补码:10011100 11001000 11101100
补码对应的字节数组为:{-28,-72,-108}


bytes 转换字符串汉字 bytes在线转换_gbk编码在线转换_06


GBK 转码

赵的 GBK 码点为:D5D4 十六进制码点转换为二进制:11010101 11010100 源码:11010101 11010100 补码:10101011 10101100

补码对应的字节数组为:{-43,-44}


bytes 转换字符串汉字 bytes在线转换_gbk编码在线转换_07


JAVA 中乱码问题

java 字符或字符串采用 uincode 作为内编码。


bytes 转换字符串汉字 bytes在线转换_bytes 转换字符串汉字_08


编码:字符串到字节。

解码:字节到字符串。

当我们读取文件的时候实际读取的是字节。然后根据文件的编码格式,将字节解码成字符串。乱码问题容易出现的地方就是这里。

不要妄想将一个乱码的字符串变成一个非乱码的。这个思路是错误的。应该从乱码之前的字节着手处理。


bytes 转换字符串汉字 bytes在线转换_gbk编码在线转换_09


上述例子中的 s 已经乱码了,当你操作这个 s 获取字节也是乱码的。

因此思路是操作 gbks 转换解码方式获取字符串。