Java中的UTF-8编码|极客教程

Java中的UTF-8编码

在计算机领域，字符编码是指一种对应关系，将字符映射为数字的方式。UTF-8是一种通用的字符编码方式，可以表示几乎所有语言中的字符。在Java中，String类中的字符串采用UTF-16编码，而在网络传输和持久化存储时常常需要将其转换为UTF-8编码。本文将详细介绍Java中UTF-8编码的使用方法。

UTF-8编码原理

UTF-8是一种可变长度编码，可以用1到4个字节来表示一个字符。其编码规则如下：

Unicode码点在0x0000~0x007F范围内的字符使用1个字节表示，格式为0xxxxxxx。
Unicode码点在0x0080~0x07FF范围内的字符使用2个字节表示，格式为110xxxxx 10xxxxxx。
Unicode码点在0x0800~0xFFFF范围内的字符使用3个字节表示，格式为1110xxxx 10xxxxxx 10xxxxxx。
Unicode码点在0x10000~0x10FFFF范围内的字符使用4个字节表示，格式为11110xxx 10xxxxxx 10xxxxxx 10xxxxxx。

在UTF-8中，每个字节的最高位指示该字节是否为字符的结束，后续字节的最高位都为1。

Java中的UTF-8编码方式

Java中的String类使用UTF-16编码进行字符编码。若需要将String转换为UTF-8编码的字节序列，可以使用getBytes()方法。

示例代码如下：

public class UTF8Example {
    public static void main(String[] args) {
        String str = "你好，世界！";
        byte[] utf8Bytes = str.getBytes(StandardCharsets.UTF_8);
        System.out.println(Arrays.toString(utf8Bytes));
    }
}

运行结果为：

[-28, -67, -96, -27, -91, -67, 44, -27, -104, -101, -28, -72, -119, -27, -104, -120, -21, -127, -101]

以上结果为字符串”你好，世界！”的UTF-8编码字节序列。

UTF-8编码转换

在Java中，可以使用String和byte[]之间的相互转换来进行UTF-8编码的转换。以下是一些常用的UTF-8编码转换示例：

String转换为UTF-8字节数组

String str = "Hello, 世界！";
byte[] utf8Bytes = str.getBytes(StandardCharsets.UTF_8);
System.out.println(Arrays.toString(utf8Bytes));

UTF-8字节数组转换为String

byte[] utf8Bytes = {-28, -67, -96, -27, -91, -67, 44, -27, -104, -101, -28, -72, -119, -27, -104, -120, -21, -127, -101};
String str = new String(utf8Bytes, StandardCharsets.UTF_8);
System.out.println(str);

UTF-8字节数组转换为16进制字符串

byte[] utf8Bytes = {104, 101, 108, 108, 111, 44, 32, -28, -67, -96, -27, -91, -67};
String hexString = DatatypeConverter.printHexBinary(utf8Bytes);
System.out.println(hexString);

16进制字符串转换为UTF-8字节数组

String hexString = "48656C6C6F2C20E4BDA0E4B896EFBC81";
byte[] utf8Bytes = DatatypeConverter.parseHexBinary(hexString);
String str = new String(utf8Bytes, StandardCharsets.UTF_8);
System.out.println(str);

以上代码示例展示了String和UTF-8字节数组之间的相互转换方法，可根据实际需求选择合适的方法。

Java中的字符集转换

Java中提供了Charset类用于表示字符集，在进行字符编码转换时可以使用Charset类指定相应的字符集。以下是一些字符集转换的示例代码：

将字符串从UTF-8编码转换为GBK编码

String utf8Str = "你好，世界！";
Charset utf8Charset = StandardCharsets.UTF_8;
Charset gbkCharset = Charset.forName("GBK");

ByteBuffer utf8Buffer = utf8Charset.encode(utf8Str);
CharBuffer utf8CharBuffer = utf8Charset.decode(utf8Buffer);
ByteBuffer gbkBuffer = gbkCharset.encode(utf8CharBuffer);
String gbkStr = new String(gbkBuffer.array(), gbkCharset);

System.out.println(gbkStr);

将字节数组从ISO-8859-1编码转换为UTF-8编码

byte[] isoBytes = {104, 101, 108, 108, 111, 44, 32, -28, -67, -96, -27, -91, -67};
Charset isoCharset = Charset.forName("ISO-8859-1");
Charset utf8Charset = StandardCharsets.UTF_8;

ByteBuffer isoBuffer = ByteBuffer.wrap(isoBytes);
CharBuffer isoCharBuffer = isoCharset.decode(isoBuffer);
ByteBuffer utf8Buffer = utf8Charset.encode(isoCharBuffer);
byte[] utf8Bytes = utf8Buffer.array();

System.out.println(Arrays.toString(utf8Bytes));