stringbuilder 编码_从 String.getBytes 理解 Java 编码和解码

水深无声 2023-01-12 10:24 125阅读 0赞

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。

![e4368c5920f187659b150298ee82be27.png][]

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。

![3cb01ab9ee308dd3eb66dd5dbf21d2b0.png][]

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。

![0efe415437569ed73a731e8c816cd07a.png][]

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\}

@Testpublic void run454() throws UnsupportedEncodingException { String str ="赵"; final byte[] bytes = str.getBytes("UTF-8"); StringBuilder stringBuilder =new StringBuilder(); for (byte aByte : bytes) { stringBuilder.append(aByte).append(

[e4368c5920f187659b150298ee82be27.png]: /images/20221119/0d386937b5a24991a3a6adb9ac578042.png
[3cb01ab9ee308dd3eb66dd5dbf21d2b0.png]: /images/20221119/be5570489f354ca09ba99bd149d6012f.png
[0efe415437569ed73a731e8c816cd07a.png]: /images/20221119/c5156727755f4747b333533feae3816b.png