第Java設置String字符串編碼方法詳解目錄一.字符編碼1.編碼簡介2.常用編碼2.1ASCII編碼2.2GB2312編碼2.3Big5編碼2.4Unicode編碼2.5UTF-8編碼2.6GBK編碼二.String編碼設置1.概述2.轉換編碼三.結語

一.字符編碼

1.編碼簡介

對很多小白來說，可能不明白什么是字符編碼，也不知道為什么要有字符編碼，所以就先來給大家簡要地介紹一下字符編碼。

所謂的字符編碼(CharacterEncoding)，也叫做字集碼，其實就是一種映射規則，計算機可以根據這個映射規則，將某個字符映射成其他形式的數據，以便在計算機和網絡中進行存儲和傳輸。

例如經典的ASCII字符編碼，就是將字母、數字和其它符號進行編號，并用7個比特的二進制作為單字節的低位，然后再加一個額外擴充的比特占據高位，形成一個完整的字節，從而表示一個整數。在這個編碼規則下，字母A的編號是65(ASCII碼)，用單字節表示就是0x41，而寫入到存儲設備時就是二進制的01000001。這樣，A、65、0x41、01000001這四個數據之間就有了對應的映射關系。

有些同學就問了，怎么這么麻煩？直接把A存儲在計算機中不行嗎？這個肯定不行??！之前跟大家講解計算機基礎知識時就說過，計算機的底層硬件只能識別電路信號，即開和關，轉換成數字就是1和0，這就是二進制的由來。也就是說，計算機底層硬件只能識別0和1這兩個數字，你給我存儲A這個字符，肯定就不行咯。但是對我們人類來說，計算機直接把一堆0101展示在我們面前，我們又不是電路板，怎么可能識別？！所以這時候就需要在人類可讀的數據，與計算機底層能夠理解的數據之間有一種映射規則和關系，這種映射規則其實就是字符編碼！

2.常用編碼

現在我們已經知道了字符編碼的概念及其由來，有些同學又問了，都有哪些字符編碼呢？接下來再跟大家聊幾個常用的字符編碼：

ASCII編碼GB2312編碼Big5編碼Unicode編碼UTF-8編碼GBK編碼

當然，在實際的開發中，其實有很多種字符編碼，以上這幾個只是比較常用的字符編碼。

2.1ASCII編碼

ASCII(AmericanStandardCodeforInformationInterchange，美國信息交換標準碼)，是基于拉丁字母的字符編碼系統，主要用于顯示現代英語和其他西歐語言。它是現今最通用、最經典的單字節編碼系統，大多數的小型機和全部的個人計算機都會使用此碼，可以說是字符編碼中的ISO國際標準。

在ASCII編碼中規定，用7個比特的二進制作為單字節的低位，然后再加一個額外擴充的比特占據高位，形成一個完整的字節，從而表示一個整數。該編碼規定，大寫的字母A編碼是65，小寫的字母a編碼是97，后面字母的數值按順序遞增。

最初在ASCII編碼表中，只有128個字符，包括大小寫英文字母、數字、標點符號和32個控制字符。后來又新增了128個字符，作為擴展的ASCII碼，所以ASCII編碼中共有256個字符。雖然ASCII編碼中的字符也不少，但該表中關于字母和數字的記憶其實是非常簡單的。我們只要記住一個字母或數字的ASCII碼(如A編碼是65，a編碼是97，0編碼是48)，然后記住相應的大小寫字母之間相差32，就可以推算出其余字母的ASCII碼。

但由于ASCII字符集中的字符數目有限，在現在的實際應用中是無法滿足要求的，因此后來國際標準化組織制定了一個ISO2025標準。它在保證與ISO646兼容的前提下，ISO陸續制定了一批適用于不同國家和地區的擴展ASCII字符集，以滿足實際需求。

2.2GB2312編碼

ACSII編碼主要適用于英語等歐美語言，對于中文是不實用的，中文在ASCII編碼環境中會以亂碼顯示。但是中文有這么大的使用需求，不可能用西文來存儲和展示信息，我們需要一個針對中文的映射關系表，所以中國就制定了GB2312編碼，用于存儲和傳輸中文信息。

為了滿足漢字的存儲和傳輸需求，中國國家標準總局發布了一系列的漢字字符集國家標準編碼，統稱為GB碼，或國標碼。其中最有影響的是于1980年發布的《信息交換用漢字編碼字符集基本集》，標準號為GB2312-1980。該編碼在中文國家使用非常普遍，包括國內和新加坡等地。

GB2312是一個簡體中文字符集，該編碼由6763個常用漢字和682個全角的非漢字字符組成，屬于是ANSI編碼里的一種，而ANSI編碼又是對ASCII編碼的擴充。但是該編碼只包含簡體中文，不包括繁體中文，所以港澳臺地區并不使用本編碼。

2.3Big5編碼

因為GB2312b不支持繁體字，所以為了支持繁體字，1984年，臺灣五大廠商宏碁、神通、佳佳、零壹以及大眾，共同制定了一種繁體中文編碼方案，所以被稱為五大碼，英文寫作Big5。后來英文翻譯回漢文后，習慣稱其為大五碼。目前該編碼已經成了繁體字的標準碼。

大五碼是支持繁體中文漢字的字符集，包括13053個繁體字、808個標點符號、希臘字母及特殊符號。Big5字符主要包括標點符號、希臘字母及特殊符號、常用漢字、非常用漢字，其余部分保留給其他廠商支持。

2.4Unicode編碼

因為不同國家和地區使用的語言不同，而ASCII碼只針對英語體系，所以ASCII出現之后的很長一段時間內，很多主流國家和地區都搞出了自己的一套或多套編碼。如此以來，就會出現一個問題，各個主流國家都自己的編碼，就不可避免會有沖突，這就阻礙了不同國家和地區直接的信息交流。

為了解決國際間信息傳輸和交流的障礙，國際標準化組織又搞出了一套Unicode編碼，目標是把所有語言都統一到一套編碼里，這樣不同語言之間就不會產生亂碼問題了。

在Unicode編碼中，一般是用兩個字節表示一個字符(特別偏僻的字符需要4個字節)，目前現代操作系統和大多數編程語言都直接支持Unicode編碼。但Unicode編碼比ASCII編碼多占用了近一倍的存儲空間，所以在存儲和傳輸上需要消耗較多的資源。

2.5UTF-8編碼

因為Unicode編碼需要占用較多的存儲空間，所以基于節約的原則，后來又出現了把Unicode編碼轉化為可變長編碼的UTF-8編碼。目前UTF-8編碼，已經是軟件開發時的主流編碼了。所以作為一個程序員，如果你們公司沒有特別地說明，請各位把自己各種開發工具的編碼都默認設置成UTF-8編碼！

UTF-8編碼是把一個Unicode字符，根據不同的數字大小編碼成1-6個字節。通俗地說，UTF-8可以根據不同的符號自動選擇編碼的長短。比如把常用的英文字母編碼成1個字節，漢字通常是3個字節，只有很生僻的字符才會被編碼成4-6個字節。所以如果我們的程序和信息中要傳輸大量的英文字符，用UTF-8編碼就比較節省空間了。而且UTF-8編碼的另一個好處是容錯能力強，如果傳輸過程中某些字符出錯，不會影響后續字符。因為UTF-8編碼依靠高字節位來確定一個字符究竟是幾個字節，所以現在它經常用來作為傳輸編碼。

2.6GBK編碼

雖然之前已經有GB2312編碼用于處理簡體中文了，但因為GB2312編碼設計的時間較早，當時很多的漢字并沒有被涵蓋進來。比如對于人名、古漢語中出現的罕用字，就無法滿足使用需求，所以當時戶籍系統中有些人的名字比較特殊，就無法用計算機打出來。所以為了滿足更多的使用需求，后來又設計了GBK編碼。

GBK(ChineseInternalCodeSpecification，漢字內碼擴展規范)，K其實是擴的聲母。GBK編碼會兼容GB2312，共收錄了21003個漢字、883個符合，并提供了1894個造字碼位，簡、繁體字融于一庫。目前，GBK編碼已經成了中文的標準編碼，比GB2312使用的更為普遍，所以如果我們對中文有特殊使用需求，可以使用GBK。

二.String編碼設置

1.概述

作為一個程序員，尤其是中國的程序員，我們在進行開發時，需要有一些特殊的編碼設置。因為我們知道，我們的各種開發語言基本上都是基于英語環境的，但我們在開發各種中文環境的軟件項目時，時不時又會有中文信息需要傳輸和展示。如果我們采用ASCII等編碼，信息中包含中文時就可能會出現亂碼，所以我們需要選擇一個合理的編碼，以避免出現中文亂碼問題。

在開發時，如果公司沒有特殊要求，一般是采用UTF-8編碼。但在個別需要傳輸中文時，比如字符串中就包含一段中文，此時也可以針對這段中文字符串進行單獨的編碼設置。

2.轉換編碼

Java的String和char在內存中總是以Unicode編碼來表示的，如果我們想手動把字符串轉換成其他編碼，也是可以實現的。那么接下來，就通過一段代碼案例來給大家進行演示，如何對String字符串的編碼進行轉換。

publicclassDemo10{

publicstaticvoidmain(String[]args){

try{

//系統默認的編碼是Unicode

byte[]b1="中國".getBytes();

Strings1=newString(b1);

System.out.println("s1="+s1);

//將字符串按UTF-8編碼進行轉換

byte[]b2="中國".getBytes("UTF-8");

Strings2=newString(b2);

System.out.println("s2="+s2);

//將字符串按UTF-8編碼進行轉換，另一種方式，采用系統自帶常量StandardCharsets來調用UTF-8編碼

byte[]b3="中國".getBytes(StandardCharsets.UTF_8);

Strings3=newString(b3);

System.out.println("s3="+s3);

//將字符串按GBK編碼進行轉換

byte[]b4="你好".getBytes("GBK");

//將字節數組解碼，轉為新的字符對象，并明確采用的編碼格式

//注意，此處必須明確指明采用哪種編碼，此處采用的編碼格式，要與編碼時的格式一致，否則中文會亂碼。

//Strings4=newString(b4,"UTF-8");

//此處必須是采用GBK

Strings4=newString(b4,"GBK");

System.out.println("s4="+s4);

}catch(UnsupportedEncodingExceptione){

//注意：設置字符串的編碼時，可能會出現不支持的編碼異常UnsupportedEncodingException。

//關于異常，以后再給大家細講

e.printStackTrace();

}

Java的String和char類型，在內存中默認是采用的Unicode編碼，但我們可以采用新的編碼對原有字符串進行重新編碼，這主要是通過字符串.getBytes(編碼名稱)的方式實現。在轉換編碼格式后，原有的字符串或字符，就不再是char類型了，而是byte數組類型。

但當我們采用GBK或GB2312編碼，對原有字符進行編碼得到新的字節數組后，如果想得到新的字符或字符串，也需要明確采用相同的GBK或GB2312編碼對byte數組進行解碼，否則中文會亂碼。

另外我們還要注