JAVA里字符编码

linxh

原文转自：
http://blog.8yee.cn/u/q0epBn/archives/2006/24440.htm

   JAVA为了国际通用，用的是UNICODE来保存里面的字符。而UNICODE只是一个种字符集，字符的存储和表示要用到一定的字符编码格式，而与UNICODE对应的字符编码格式就是我们常看到的UTF-8,UTF-16等等，而UTF-8是最常用的，所以人们常常把它和UNICODE等同起来，这在某些情况下是没有错的，但这样的理解在JAVA里就会产生一些混淆。用下面的程序来演示一下。
定义一个字符串
     String name = "堂";
这个字符串就一个字符，把它取出来
     char c_name = name.charAt(0);
JAVA里的char型是十六位的（两个字节），但是如果是用UTF-8的话可能会不只两位（UTF-8是变长存储的），那看来JAVA本身并不是用UTF-8来保存的，做个实验吧。
首先看看char里保存的内容
int low = (c_name) & 0xff;//取c_name的低位
int high = (c_name >> 8) & 0xff;//取c_name的高位
System.out.println(Integer.toHexString(high) + " " + Integer.toHexString(low));
结果是58 02
只有两个字节而已（16位），那么真正的UTF-8编码的内容是什么呢，再看看吧。
下面是一个辅助方法printbyte，作用是把一个byte数组的每个元素按照十六进制格式打印出来，同样为了方便，作为静态方法。
public static void printbyte(byte[] bt)
{
    for (int i = 0; i  bt.length; i++) {
        
        int hex = (int)bt & 0xff;
        System.out.print(Integer.toHexString(hex) + " ");
    }
    System.out.println(" length = "+bt.length);
}
byte[] utf_8 = name.getBytes("utf-8");
printbyte(utf_8);
结果是e5 a0 82   length = 3
哇，三个字节！看来JAVA内部用的真不是UTF-8，那用的是什么呢？UTF-16？看一下便知。
     byte[] utf_16 = name.getBytes("utf-16");
     printbyte(utf_16);
结果是fe ff 58 02   length = 4，靠，四个字节了。咦？后面的低16位不正是和开始c_name的十六进制表示一样的吗？看来JAVA真正的内部字符编码和UTF-16有或多或少的联系。JAVA内部究竟是用的什么字符编码呢？
在THINK IN JAVA 3rd的12章里有一个例子出现了UTF-16BE
     byte[] utf_16be = name.getBytes("utf-16be");
     printbyte(utf_16be);
结果出来了：58 02   length = 2
UNICODE的编码还有一个LE，这里的BE,LE应该是bigendian和littleendian。



本文来自ChinaUnix博客，如果查看原文请点：http://blog.chinaunix.net/u/8780/showart_281496.html