一个简单的 GBK 到 utf-8编码转换的尝试

« Unicode是什么？（转载） | Blog首页 | 关于 BOM (Byte Order... »

2006/04/26

GBK，utf-8 都是对于一个字符的编码方式，对于同一个汉字来说对应于 GBK 中的编码和 utf-8 中的编码是不一样的

例如汉字：“檽”在

GBK 中的编码为：0x9993

utf-8 中的编码为：0x6ABD

即 0x9993 0x6ABD #CJK UNIFIED IDEOGRAPH

关于两种编码表之间的映射关系称为codepage，详细定义可以在unicode官方站点找到，例如 GBK和UNICODE的编码对应关系表在这里可以找到

下面我们可以使用java语言对上述编码做一个尝试：

public class Test {

    public static void main(String[] args) throws UnsupportedEncodingException {

        byte[] b = new byte[2];
        b[0] = (byte) 153;
        b[1] = (byte) 147;

        System.out.println(new String(b));
        System.out.println(new String(b, "GBK"));

        byte[] b2 = new byte[3];
        b2[0] = (byte) 230;
        b2[1] = (byte) 170;
        b2[2] = (byte) 189;

        System.out.println(new String(b2, "utf-8"));

    }

}

解释：

首先进行测试的GBK编码，我们产生一个 byte[] 数组，0x9993对应于数组的两个字节:153,147；当我们使用new String 转化为一个字符串时，java缺省采用了GBK作为编码（因为我的机器缺省语言设置为GBK）；大家可以看到指定编码和不指定最后输出的是一样的效果。

对于utf－8编码，那么我们需要采用的是unicode编码，即0x6ABD，按照utf-8编码规则：

U-00000800 - U-0000FFFF: 1110xxxx 10xxxxxx 10xxxxxx

规则计算出其对应的二进制为：

11100110 10101010 10111101

对应的十进制为：230 170 189

因此当我们将这三个保存为一个byte[]，然后通过编码 utf-8 转为一个字符串时，输出的中文仍然相同！

阿涂发表于 2006-04-26 11:03 阅读(1404) 评论( 0) 引用( 0) 字符编码
所有人可见

收藏文章:

IT见闻二

关于IT所见所闻所想

2006/04/26