如何查看字符编码类型
Posted
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了如何查看字符编码类型相关的知识,希望对你有一定的参考价值。
可以通过以下方法来进行编码格式判断,输入一个字符串,之后返回字符串编码类型。public static String getEncoding(String str)
String encode = "GB2312";
try
if (str.equals(new String(str.getBytes(encode), encode))) //判断是不是GB2312
String s = encode;
return s; //是的话,返回“GB2312“,以下代码同理
catch (Exception exception)
encode = "ISO-8859-1";
try
if (str.equals(new String(str.getBytes(encode), encode))) //判断是不是ISO-8859-1
String s1 = encode;
return s1;
catch (Exception exception1)
encode = "UTF-8";
try
if (str.equals(new String(str.getBytes(encode), encode))) //判断是不是UTF-8
String s2 = encode;
return s2;
catch (Exception exception2)
encode = "GBK";
try
if (str.equals(new String(str.getBytes(encode), encode))) //判断是不是GBK
String s3 = encode;
return s3;
catch (Exception exception3)
return ""; //如果都不是,说明输入的内容不属于常见的编码格式。 参考技术A 分不同的类型,可按以下三种方式查询:
一、查看mysql数据库服务器和数据库MySQL字符集。
命令:
mysql> show variables like '%char%';
二、查看MySQL数据表(table)的MySQL字符集。
命令:
mysql> show table status from sqlstudy_db like '%countries%';
三、查看MySQL数据列(column)的MySQL字符集。
命令:
mysql> show full columns from countries;
通过查看编码映射表确定编码类型
如何判断字符串是由何种编码编写的呢?最简单粗暴的方法是靠字节个数来判断,直接上代码:
# _*_coding:utf-8_*_ s = ‘编程‘ s1 = s.decode(‘utf-8‘) # 将s抓换成换成unicode编码 s2 = s1.encode(‘utf-8‘) # 将s1从unicode转换成utf-8 s3 = s1.encode(‘gbk‘) # 将s2从unicode换换成gbk print(s2, s3, s1) # (‘xe7xbcx96xe7xa8x8b‘, ‘xb1xe0xb3xcc‘, u‘u7f16u7a0b‘)
需要注意的事s1,s2,s3放在一起就会打印出16进制字节,这是内置方法。第一个占3个字节可以推断出是utf-8,第二个占2字节可以推断出是gbk。第三个可以在unicode映射表中直接查出来。其中u代表unicode,每2个代表1个字节。
编,7f16
程,7a0b
编程对应的gbk编码是xb1xe0xb3xcc,但是和7f16,7a0b对不上,把他们转成二进制并把开头的1去掉(从高字节变成低字节)得到3160和334c。
# 编 7f16(unicode的值) G0-3160(gbk的值) # xb1xe0 1和0对上了 # b 1 # 1011 0001 # 把第一位变成0 # 0011 0001 -> 转换成10进制 3 1 # e 0 # 1110 0000 # # 把第一位变成0 # 0110 0000 -> 转换成10进制 6 0 # 程 7a0b G0-334C # xb3xcc 3和c对上了 # b 3 # 1011 0011 # # 把第一位变成0 # 0011 0011 -> 转换成10进制 33 # c c # 1100 1100 # # 把第一位变成0 # 0100 1100 -> 转换成10进制 4c
可以看到对上了。原因是GBK兼容ASCII码,1个字节是英文,2个字节是中文。那么2个字节连到一起的话,如何判断是中文还是英文呢?由于在ASCII码中,0-127是常用的,128-255是一些乱七八糟、不常用的扩展表,所以,干脆从128开始就代表中文。所以,2个字节连在一起,如果每个字节的第1位(也就是相当于128的那个2进制位)如果是1,就代表这是个中文,这个首位是128的字节被称为高字节。那为什么xb1xe0要把128所在的位去掉(把1变成0)才能与unicode的G0-3160对上呢?这只能说是unicode在映射表的表达上直接忽略了高字节,但真正映射的时候 ,肯定还是需要用高字节的。
以上是关于如何查看字符编码类型的主要内容,如果未能解决你的问题,请参考以下文章