74. 编码与解码

Posted 2020-11-09 江小白谢

编码与解码

编码：把看的懂得字符变成看不懂的码值，这个过程我们称作为编码。

解码：把码值转变成我们看的懂的字符，这个过程我们称作为解码

解码与编码过程的抽象图分析：

码表：在码表中，每个字符都有一个对应的码值

各种码表的简单介绍如下：

我们重点应该了解的是iso8859-1  gbk  unicode utf-8 

iso8859-1：这个码表很特殊，因为这个是所有码表中，是唯一一个完全占满256个编码位置，也就是说每一个码值都有对应的字符，因为是以ASCII为基础的，所以在这个码表中英文占1个字节（注意：在这个里面中文是没有对应的码值的，以这个码表编码会出现乱码）

gbk：在gb2312中几乎中国的所有字符都可以在里面找到对应的码值，后面因为不满足当时的需求，所以有gbk的诞生，gbk在gb2312的基础上面加入一些少数民族的字符，不过里面仍然有许多码值没有对应的字符，里面仍然有部分的码值没有对应的字符，在这个里面英文占有1个字节，中文占2个字节

unicode：因为每个国家都有自己的码表，感觉很混乱，这个时候unicode诞生，注意的是它只是一种规范而并不是一个码表，如果实现这个规范，那么就是容纳了所有国家的文字，在这个规范之下出现了一个utf-16的码表和utf-8码表（用unicode的时候它默认使用的是uft-16）

utf-8：因为这个是实现了unicode这个规范的码表，所以它容纳所有国家的文字，注意在这个里面英文占1个字节，中文占2个字节

utf-16：注意在这个码表里面英文和中文都占2个字节

 

下面我们来看看编码与解码的一些简单的实例：

public class Demo1 {
    public static void main(String[] args) {
        String str = "a中国";
        //平台默认的编码是gbk，编码（把看的懂得字符变成看不懂的码值）
        byte[] buf = str.getBytes();
        //我们再来输出看看
        System.out.println("编码后的码值："+Arrays.toString(buf));
        
        //把码值转变成我们看的懂的字符,解码
        String string = new String(buf);
        System.out.println("解码后的字符："+string);
    }
}

 

这个里面英文占一个字节，中文占2个字节，所以我们看到了5个字节（注意：一个数字代表一个字节）

 

getBytes(String charsetName)
          使用指定的字符集将此 String 编码为 byte 序列，并将结果存储到一个新的 byte 数组中。

String(byte[] bytes, Charset charset)
          通过使用指定的 charset 解码指定的 byte 数组，构造一个新的 String。

我们可以用的getBytes重载和String类的另一个构造方法，用来指定我们编码表，这个可以让我们自己指定编码和解码的码表

public class Demo1 {
    public static void main(String[] args) throws IOException {
        String str = "abcd中国";
        //我们使用utf-8进行编码
        byte[] buf = str.getBytes("utf-8");
        //我们再来输出看看
        System.out.println("编码后的码值："+Arrays.toString(buf));
        
        //如果不指定，那么就是使用平台默认的码表（gbk），解码
        String string = new String(buf);
        System.out.println("解码后的字符："+string);
    }
}

 

我们可以发现，在我们对已经使用utf-8编码的字符解码后出现了乱码的现象，但是英文却不出现乱码，那么可以证明的是英文可以在这两个码表中通用，中文不行

其实在所有码表中英文都是兼容的，但是中文不行，所以编码与解码一般使用相同的码表，否者容易出现乱码

 

证明用unicode的时候它默认使用的是uft-16

 

public class Demo1 {
    public static void main(String[] args) throws IOException {
        String str = "abcd中国";
        //我们使用unicode码表进行编码
        byte[] buf = str.getBytes("unicode");
        //我们再来输出看看
        System.out.println("编码后的码值："+Arrays.toString(buf));
        
        //使用utf-16码表解码
        String string = new String(buf,"utf-16");
        System.out.println("解码后的字符："+string);
    }
}

 

 

 

首先我们发现使用unicode编码，可以使用utf-16解码，这个说明使用unicode编码的时候默认使用的utf-16编码的。

注意：

　　1. -1 -2 只是一种标志，证明我们使用了unicode规范，并没有任何意义

　　2. 在utf-16中英文和中文都占2个字节

 

下面我们来看看iso8859-1的特殊性

 

public class Demo1 {
    public static void main(String[] args) throws IOException {
        String str = "a中国";
        //我们使用gbk码表进行编码
        byte[] buf = str.getBytes("gbk");
        //我们再来输出看看
        System.out.println("gbk编码后的码值："+Arrays.toString(buf));
        
        //使用iso8859-1码表解码
        String string = new String(buf,"iso8859-1");
        System.out.println("iso8859-1解码后的字符："+string);
        
        //使用iso8859-1码表编码
        byte[] buf2 = string.getBytes("iso8859-1");
        System.out.println("iso8859-1解码后的字符："+Arrays.toString(buf2));
        
        //使用gbk解码
        System.out.println("gbk解码后的码值："+new String(buf2,"gbk"));
    }
}

 

 

 

我先来说说过程，首先我们使用gbk进行了编码，最后因为我们用的是iso8859-1进行解码的，这个时候出现了乱码（英文兼容，码表不一样中文当然出现乱码）

可奇怪的是我们再使用iso8859-1码表解码iso8859-1编码过的字符的时候输出的码值与gbk编码的码值一样？

这个就要源于我们的iso8859-1码表的特殊性，因为在iso8859-1码表中每个码值都有对应的字符，所以当我们使用iso8859-1码表进行解码的时候，虽然会出现乱码，但是数据不会丢失（其他的码表不是每一个码值对应一个字符的，可能会导致数据的丢失）

我们在使用iso8859-1码表进行编码的时候，因为数据没丢失，也就是这几个数字在iso8859-1码表中都有相应的字符（虽然是乱码），才会导致我们使用iso8859-1码表进行编码时码值仍然是原来gbk编码的这几个码值

最后我们在使用gbk码表解码，就得到了我们原来的字符

（额，描述的不是很清楚，能力有限哈）