jjzjj

java - Java 使用 UTF-8 还是 UTF-16 编码？

coder 2024-03-26 原文

我已经阅读了以下帖子:

  1. What is the Java's internal represention for String? Modified UTF-8? UTF-16?
  2. https://docs.oracle.com/javase/8/docs/api/java/lang/String.html

现在考虑下面给出的代码:

public static void main(String[] args) {
    printCharacterDetails("最");
}

public static void printCharacterDetails(String character){
    System.out.println("Unicode Value for "+character+"="+Integer.toHexString(character.codePointAt(0)));
    byte[] bytes = character.getBytes();
    System.out.println("The UTF-8 Character="+character+"  | Default: Number of Bytes="+bytes.length);
    String stringUTF16 = new String(bytes, StandardCharsets.UTF_16);
    System.out.println("The corresponding UTF-16 Character="+stringUTF16+"  | UTF-16: Number of Bytes="+stringUTF16.getBytes().length);
    System.out.println("----------------------------------------------------------------------------------------");
}

当我尝试调试上面代码中的 character.getBytes() 行时，调试器将我带到了 String 类的 getBytes() 方法中，随后进入 StringCoding 类的 static byte[] encode(char[] ca, int off, int len) 方法。 encode 方法的第一行 (String csn = Charset.defaultCharset().name();) 在调试期间返回“UTF-8”作为默认编码。我希望它是“UTF-16”。

程序的输出是:

最=6700 的 Unicode 值 UTF-8 字符=最|默认值:字节数=3

对应的UTF-16字符=� | UTF-16:字节数=6

当我在程序中将它显式转换为 UTF-16 时，它需要 6 个字节来表示字符。它不应该为 UTF-16 使用 2 或 4 个字节吗？为什么使用 6 个字节？

我的理解哪里出错了？ 我使用 Ubuntu 14.04，locale 命令显示如下:

LANG=en_US.UTF-8

这是否意味着 JVM 根据底层操作系统决定使用哪种编码，还是仅使用 UTF-16？ 请帮助我理解这个概念。

最佳答案

字符是图形实体，是人类文化的一部分。当计算机需要处理文本时，它会使用这些字符的表示(以字节为单位)。所使用的确切表示称为编码。

有许多编码可以表示相同的字符 - 通过 Unicode 字符集，或通过其他字符集，如各种 ISO-8859 编码或 JIS X 0208。

在内部，Java 使用 UTF-16。这意味着每个字符都可以由一个或两个两个字节的序列表示。您使用的字符最具有代码点 U+6700，它在 UTF-16 中表示为字节 0x67 和字节 0x00。

那是内部编码。除非您转储内存并查看转储图像中的字节，否则您看不到它。

但是 getBytes() 方法不返回这个内部表示。它的文档说:

public byte[] getBytes()

Encodes this String into a sequence of bytes using the platform's default charset, storing the result into a new byte array.

“平台的默认字符集”是您的语言环境变量所说的。即，UTF-8。所以它采用 UTF-16 内部表示，并将其转换为不同的表示 - UTF-8。

注意

new String(bytes, StandardCharsets.UTF_16);

不会如您假设的那样“明确地将其转换为 UTF-16”。这个字符串构造函数接受一个字节序列，它应该是您在第二个参数中给出的编码，并将其转换为这些字节在该编码中表示的任何字符的 UTF-16 表示。

但是你已经给了它一个以 UTF-8 编码的字节序列，并告诉它把它解释为 UTF-16。这是错误的，您没有得到您期望的字符或字节。

您无法告诉 Java 如何在内部存储字符串。它始终将它们存储为 UTF-16。构造函数 String(byte[],Charset) 告诉 Java 从应该位于给定字符集中的字节数组创建 UTF-16 字符串。 getBytes(Charset) 方法告诉 Java 给你一个字节序列，代表给定编码(字符集)中的字符串。不带参数的方法 getBytes() 的作用相同 - 但使用平台的默认字符集进行转换。

所以您误解了 getBytes() 给您的功能。它不是内部表示。你不能直接得到它。只有 getBytes(StandardCharsets.UTF_16) 会给你这个，而且只是因为你知道 UTF-16 是 Java 的内部表示。如果 Java 的 future 版本决定以不同的编码表示字符，则 getBytes(StandardCharsets.UTF_16) 将不会向您显示内部表示。

编辑:事实上，Java 9 在字符串的内部表示中引入了这样的变化，默认情况下，所有字符都在 ISO-8859-1 范围内的字符串在内部表示为ISO-8859-1，而至少有一个字符超出该范围的字符串在内部与以前一样以 UTF-16 表示。所以确实，getBytes(StandardCharsets.UTF_16) 不再返回内部表示。

关于java - Java 使用 UTF-8 还是 UTF-16 编码？，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/39955169/

UTF-8javacodeUTFgetBytesencodingdefaultutf-16

有关java - Java 使用 UTF-8 还是 UTF-16 编码？的更多相关文章

  1. ruby - 如何使用 Nokogiri 的 xpath 和 at_xpath 方法 - 2

    我正在学习如何使用Nokogiri，根据这段代码我遇到了一些问题:require'rubygems'require'mechanize'post_agent=WWW::Mechanize.newpost_page=post_agent.get('http://www.vbulletin.org/forum/showthread.php?t=230708')puts"\nabsolutepathwithtbodygivesnil"putspost_page.parser.xpath('/html/body/div/div/div/div/div/table/tbody/tr/td/div

  2. ruby - 使用 RubyZip 生成 ZIP 文件时设置压缩级别 - 2

    我有一个Ruby程序，它使用rubyzip压缩XML文件的目录树。gem。我的问题是文件开始变得很重，我想提高压缩级别，因为压缩时间不是问题。我在rubyzipdocumentation中找不到一种为创建的ZIP文件指定压缩级别的方法。有人知道如何更改此设置吗？是否有另一个允许指定压缩级别的Ruby库？ 最佳答案 这是我通过查看ruby​​zip内部创建的代码。level=Zlib::BEST_COMPRESSIONZip::ZipOutputStream.open(zip_file)do|zip|Dir.glob("**/*")d

  3. ruby - 为什么我可以在 Ruby 中使用 Object#send 访问私有(private)/ protected 方法？ - 2

    类classAprivatedeffooputs:fooendpublicdefbarputs:barendprivatedefzimputs:zimendprotecteddefdibputs:dibendendA的实例a=A.new测试a.foorescueputs:faila.barrescueputs:faila.zimrescueputs:faila.dibrescueputs:faila.gazrescueputs:fail测试输出failbarfailfailfail.发送测试[:foo,:bar,:zim,:dib,:gaz].each{|m|a.send(m)resc

  4. ruby-on-rails - 使用 Ruby on Rails 进行自动化测试 - 最佳实践 - 2

    很好奇，就使用ruby​​onrails自动化单元测试而言，你们正在做什么？您是否创建了一个脚本来在cron中运行rake作业并将结果邮寄给您？git中的预提交Hook？只是手动调用？我完全理解测试，但想知道在错误发生之前捕获错误的最佳实践是什么。让我们理所当然地认为测试本身是完美无缺的，并且可以正常工作。下一步是什么以确保他们在正确的时间将可能有害的结果传达给您？ 最佳答案 不确定您到底想听什么，但是有几个级别的自动代码库控制:在处理某项功能时，您可以使用类似autotest的内容获得关于哪些有效，哪些无效的即时反馈。要确保您的提

  5. ruby - 在 Ruby 中使用匿名模块 - 2

    假设我做了一个模块如下:m=Module.newdoclassCendend三个问题:除了对m的引用之外，还有什么方法可以访问C和m中的其他内容？我可以在创建匿名模块后为其命名吗(就像我输入“module...”一样)？如何在使用完匿名模块后将其删除，使其定义的常量不再存在？ 最佳答案 三个答案:是的，使用ObjectSpace.此代码使c引用你的类(class)C不引用m:c=nilObjectSpace.each_object{|obj|c=objif(Class===objandobj.name=~/::C$/)}当然这取决于

  6. ruby - 使用 ruby​​ 和 savon 的 SOAP 服务 - 2

    我正在尝试使用ruby​​和Savon来使用网络服务。测试服务为http://www.webservicex.net/WS/WSDetails.aspx?WSID=9&CATID=2require'rubygems'require'savon'client=Savon::Client.new"http://www.webservicex.net/stockquote.asmx?WSDL"client.get_quotedo|soap|soap.body={:symbol=>"AAPL"}end返回SOAP异常。检查soap信封，在我看来soap请求没有正确的命名空间。任何人都可以建议我

  7. python - 如何使用 Ruby 或 Python 创建一系列高音调和低音调的蜂鸣声？ - 2

    关闭。这个问题是opinion-based.它目前不接受答案。想要改进这个问题？更新问题，以便editingthispost可以用事实和引用来回答它.关闭4年前。Improvethisquestion我想在固定时间创建一系列低音和高音调的哔哔声。例如:在150毫秒时发出高音调的蜂鸣声在151毫秒时发出低音调的蜂鸣声200毫秒时发出低音调的蜂鸣声250毫秒的高音调蜂鸣声有没有办法在Ruby或Python中做到这一点？我真的不在乎输出编码是什么(.wav、.mp3、.ogg等等)，但我确实想创建一个输出文件。

  8. ruby-on-rails - 'compass watch' 是如何工作的/它是如何与 rails 一起使用的 - 2

    我在我的项目目录中完成了compasscreate.和compassinitrails。几个问题:我已将我的.sass文件放在public/stylesheets中。这是放置它们的正确位置吗？当我运行compasswatch时，它不会自动编译这些.sass文件。我必须手动指定文件:compasswatchpublic/stylesheets/myfile.sass等。如何让它自动运行？文件ie.css、print.css和screen.css已放在stylesheets/compiled。如何在编译后不让它们重新出现的情况下删除它们？我自己编译的.sass文件编译成compiled/t

  9. ruby - 使用 ruby​​ 将 HTML 转换为纯文本并维护结构/格式 - 2

    我想将html转换为纯文本。不过，我不想只删除标签，我想智能地保留尽可能多的格式。为插入换行符标签，检测段落并格式化它们等。输入非常简单，通常是格式良好的html(不是整个文档，只是一堆内容，通常没有anchor或图像)。我可以将几个正则表达式放在一起，让我达到80%，但我认为可能有一些现有的解决方案更智能。 最佳答案 首先，不要尝试为此使用正则表达式。很有可能你会想出一个脆弱/脆弱的解决方案，它会随着HTML的变化而崩溃，或者很难管理和维护。您可以使用Nokogiri快速解析HTML并提取文本:require'nokogiri'h

  10. ruby - 在 64 位 Snow Leopard 上使用 rvm、postgres 9.0、ruby 1.9.2-p136 安装 pg gem 时出现问题 - 2

    我想为Heroku构建一个Rails3应用程序。他们使用Postgres作为他们的数据库，所以我通过MacPorts安装了postgres9.0。现在我需要一个postgresgem并且共识是出于性能原因你想要pggem。但是我对我得到的错误感到非常困惑当我尝试在rvm下通过geminstall安装pg时。我已经非常明确地指定了所有postgres目录的位置可以找到但仍然无法完成安装:$envARCHFLAGS='-archx86_64'geminstallpg--\--with-pg-config=/opt/local/var/db/postgresql90/defaultdb/po

随机推荐