文章檔案

下面解釋一下Java的編碼方式，知道了編碼方式則亂碼將很容易解決。


1：java中byte是以補碼表示：http://www.tkk7.com/orangelizq/archive/2008/07/20/216228.html


2 : IO流操作的基本單元

    觀看io里面stream的操作，最終有兩種:write(int b),write(byte[] bs),讀的方式也一樣。 其余的均是在這兩種方式上進行封裝處理。

    由此也能看到文件操作的基本單元bit，而Java的基本單元是字節（byte），一個字節8個bit，字節能表示的范圍為[0，255]。而java里面的byte類型的范圍是[-128,127]，這點必須區分開。


    因此對write(b), write(byte[] bs) 的理解應該以bit的方式去理解，不能以Java中的byte類型去理解。


    OutputStream.write(int b)是將一個字節寫入到流中，而不是將int寫入流中，即將int所表示的低8位bit寫入，高24bit舍去。因此通過write(int b)將一個byte類型的b寫入時不會有問題的：

   byte b = (byte)-1；out.write(b); 該轉化過程為： btye -> int -> 截取低8位，寫入流中。 中間byte->int得到的int的bit序列可能有誤，具體請看：http://www.tkk7.com/orangelizq /archive/2008/07/20/216228.html， 但由于最后截取低8位bit，所以最后得到的bit都是正確的。

   同樣可以推理出int i = read() 和 byte b =(byte)read(); 由此我們可以看到讀寫進行的bit處理都是一致的。

   使用IO的這些接口時，不用考慮是int 還是byte類型，直接調用即可。


3: byte，unicode, 編碼方式（比如UTF8）之間的關系

unicode 和utf8的關系： http://www.ruanyifeng.com/blog/2007/10/ascii_unicode_and_utf-8.html

Java編碼的基本概念：Java采用的編碼：unicode，JVM平臺默認字符集和外部資源的編碼

請參閱： http://www.javaeye.com/topic/311583

    Java中String 是以unicode的方式存儲，也就是說一個String的unicode編碼是固定的，其unicode表示的byte序列也是固定。
由于存儲效率的原因，我們需要使用別的編碼方式，比如utf8，那么就需要將unicode的bit序列轉化為utf8所表示的bit序列，這要求unicode和utf8之間必須能互相轉換。
    因此可以得出：對同一個unicode使用不同的編碼方式得到的bit序列將是不一樣的。
   

4：亂碼的問題：

    一般的數據流程：外部輸入 -> Java String -> 外部輸出。
    由于IO處理的byte(8個bit)類型，因此該流程應該為：讀取外部介質-> 輸入的byte序列 ->JVM的unicode -> 輸出的byte序列 -> 寫到到外部介質
   
    因此亂碼的問題，就會出現在兩個地方： 輸入的byte序列 -> JVM的Unicode 和  JVM的unicode ->輸出byte序列

    也就是， 將某中編碼的byte序列 轉為 unicode 和 將unicode 轉化為 某種編碼的byte序列。

    如果你不知道是哪種編碼和unicode進行互轉，比如：將UTF8的byte序列使用GBK的編碼方式轉化為unicode，那么得到unicode byte序列可能不對，則在unicode字符集中找到字符和原來就很可能千差萬別了。

    另外通過new String(byte[] bs)是不指定編碼方式，則默認使用jvm的字符編碼進行處理。 因此http://www.javaeye.com/topic/311583 指出一定要知道外部系統和JVM的編碼方式。