java 中的字符串编码

Posted 2021-02-01 那天ws

1、1字节=8位，1024字节=1KB
2、16进制0x12345678，其二进制为00010010 00110100 01010110 01111000共4字节
3、字节序：两个或多个字节存放的先后顺序（Big Endian大端序，Little Endian小端序）。UTF-16编码的头2个字节里标记字节序: LE [0xFF, 0xFE], BE [0xFE, 0xFF]。（http://blog.jobbole.com/102432/）
4、0x12345678以Big Endian存储：0x12 0x34 0x56 0x78
5、0x12345678以Little Endian存储：0x78 0x56 0x34 0x12
6、字符集：Unicode
7、编码：UTF-8、UTF-16、UTF-16BE、UTF-16LE等等
8、编码是字符集的一种编码方式。
9、查看编码的网站：https://unicode-table.com
10、
计算机存储补码
+1
原码：0000 0001
反码：0000 0001
补码：0000 0001

-1
原码：1000 0001
反码（负数反码：在原码基础上，除符号位外，其余取反）：1111 1110
补码（负数补码：在反码基础上，加1）：1111 1111

java中byte类型占8位。带符号最大值是127，带符号最小值是-128。不带符号最大值是255，不带符号最小值是0。

十进制   十六进制    二进制
254        0xfe           11111110

将254（即00000000 00000000 00000000 11111110）赋值给一个byte类型的变量， 取低8位 11111110，直接当做补码存储，其反码是1111 1101，其原码是1000 0010（十进制-2）。

 

11、编码
UTF-8
没有字节序的概念。
所以1～4字节UTF-8编码看起来是这样的：

0xxxxxxx
110xxxxx 10xxxxxx
1110xxxx 10xxxxxx 10xxxxxx
11110xxx 10xxxxxx 10xxxxxx 10xxxxxx

字节头部识别就是前面的0，110，1110，11110表示字节数。

从UTF-8字节流的任意位置开始可以有效地找到一个字符的起始位置，字符边界很容易界定、检测出来。

单字节可编码的Unicode范围：\\u0000~\\u007F（0~127）
双字节可编码的Unicode范围：\\u0080~\\u07FF（128~2047）
三字节可编码的Unicode范围：\\u0800~\\uFFFF（2048~65535）
四字节可编码的Unicode范围：\\u10000~\\u1FFFFF（65536~2097151）

UTF-16
2字节或4字节

查看中文 “哈” 的编码：

 

 

System.out.print(b & 0xFF); 

b是byte类型，存储的是1000 0010（即10进制-2），当jvm检测到byte可能会转为 int，或byte与int类型进行计算时，会将byte的最高24位补1，扩充到32位，再参与计算。

1000 0010 扩充到32位：11111111 11111111 11111111 10000010。

b & 0xFF == 11111111 11111111 11111111 10000010 & 00000000 00000000 00000000 11111111

所以 b & 0xFF == 00000000 00000000 00000000 00000000 10000010 （即十进制254）