Java基础：编码的相关解释

简单的编码介绍:
字符串 --> 字节数组：编码
字节数组 --> 字符串：解码

GBK编码: 汉字用两个字节表示，
第一种情况：
第一个字节是负数，第二字节负数
第二种情况：
第一个字节是负数，第二字节正数 eg：琲

UTF-8编码：汉字的编码都是 用 负数 表示
UTF-8会动态分配字节数，可能是 一个字节，两个字节，三个字节。
相关格式：低八位

上面这张图，可能大家会看不懂，那么我就在这里解释以下：
用UTF-8编码时：
对于汉字而言，至少用二个字节表示。
总之就是，

当用一个字节时，
字节一 的前一位是 0

当用二个字节时
字节一 的前三位是 110
字节二的前两位是 10

当用三个字节时
字节一 的前三位是 1110
字节二的前两位是 10
字节三的前两位是 10

相关代码如下：

import java.io.UnsupportedEncodingException;

public class Encode {

	public static void main(String[] args) throws UnsupportedEncodingException {
		// TODO Auto-generated method stub

		/*
			你好的UTF-8
			11100100
			10111101
			10100000
			11100101
			10100101
			10111101
			
			你好的GBK
			11000100
			11100011
			10111010
			11000011

		 */		
		String str = "你好";
		byte[] buf = null;
		buf = str.getBytes("utf-8");
		printByte(buf);
	}
	private static void printByte(byte[] buf) {
		// TODO Auto-generated method stub
		
		for(byte b : buf) {
			System.out.println( Integer.toBinaryString(b & 255) );
		}
		System.out.println();
	}
}

我们可以看到
你好的UTF-8
11100100
10111101
10100000
11100101
10100101
10111101
满足上面的表达模式

你好的GBK
11000100
11100011
10111010
11000011
GBK不满足

**iso8859-1：**无法编码汉字
这是欧洲那边的编码。

乱码时：
如果你编错了，解不出来。
如果编对了，解错了，有可能有救。
现在我们验证 如果编对了，解错了，有可能有救。

import java.io.UnsupportedEncodingException;

public class BianMa {

	public static void main(String[] args) throws UnsupportedEncodingException {
		// TODO Auto-generated method stub
	
		String str = "你好";
		
		byte[] buf = null;	
		buf = str.getBytes("GBK");		
		printByte(buf);
		
		String s = new String(buf,"iso8859-1");
		
		System.out.println(s);
		
		buf = s.getBytes("iso8859-1");
		printByte(buf);
		System.out.println(new String(buf,"GBK"));
		
	}

	private static void printByte(byte[] buf) {
		// TODO Auto-generated method stub
		
		for(byte b : buf) {
			System.out.println( Integer.toBinaryString(b & 255) );
		}
		System.out.println();
	}
}

输出结果是：

虽然出现了乱码，但是任然可以解析出来。

下面我们在来看看另一个例子：

import java.io.UnsupportedEncodingException;

public class BianMa {

	public static void main(String[] args) throws UnsupportedEncodingException {
		// TODO Auto-generated method stub
	
		String str = "你好";
		
		byte[] buf = null;	
		buf = str.getBytes("GBK");		
		printByte(buf);
		
		String s = new String(buf,"UTF-8");
		
		System.out.println(s);
		
		buf = s.getBytes("UTF-8");
		printByte(buf);
		System.out.println(new String(buf,"GBK"));
		
	}

	private static void printByte(byte[] buf) {
		// TODO Auto-generated method stub
		
		for(byte b : buf) {
			System.out.println( Integer.toBinaryString(b & 255) );
		}
		System.out.println();
	}

}

输出结果：

我们可以发现，这次我们使用跟上面相似的思路去解决上面的问题，发现不起任何作用，下面我来说说这是为什么？
原因如下：
愿因一：
当“你好”用GBK编码好的二进制数，然后用UTF-8去编码时，发现这个不符合，自己的编码规则，于是，就用其他替换了，所以出现了乱码，
愿因二：
GBK用两个字节表示汉字，而UTF-8表示汉字至少两个字节。

当我们换成“谢谢”时是可以成功的。

原因：这时的GBK编码出来的二进制，符合UTF-8，所以是成功的。

当我们换成“联通”这两个字时：

发现GBK编码后的二进制是符合UTF-8的规则的，但还是没有解码成功，这是因为UTF-8进一步解码后，发现没有找到对应的字符，所以用其他代替，从而产生乱码。

相关测试：

在java中，字符串“abcd”与字符串“ab你好”的长度是一样，都是四个字符。
但对应的字节数不同，一个汉字占两个字节。
定义一个方法，按照最大的字节数来取子串。
如：对于“ab你好琲ab琲”，如果取三个字节，那么子串就是ab与“你”字的半个，
那么半个就要舍弃。如果去四个字节就是“ab你”，取五个字节还是“ab你”.

import java.io.IOException;

public class Test {
	public static void main(String[] args) throws IOException  {
		// TODO Auto-generated method stub

		String str = "ab你好琲ab琲";
		
		System.out.println("GBK");
		for(int i=0;i<str.getBytes("GBK").length;i++)		
			System.out.println("截取"+(i+1)+"个字节： "+cutStringByGBK(str,(i+1)));
		System.out.println("UTF-8");
		for(int i=0;i<str.getBytes("UTF-8").length;i++)		
			System.out.println("截取"+(i+1)+"个字节： "+cutStringByUTF8(str,(i+1)));		
	}

	private static String cutStringByUTF8(String str, int len) throws IOException {		
		byte[] buf = str.getBytes("UTF-8");
		int count = 0;
		for(int x = len -1 ;x>=0;x--) {
			
			if(buf[x] < 0)
				count++;
			if(buf[x] > 0)
				break;		
		}		
		if(count % 3 == 0)
			return new String(buf,0,len,"UTF-8");
		else if(count % 3 == 1)
			return new String(buf,0,len-1,"UTF-8");
		else
			return new String(buf,0,len-2,"UTF-8");
	}
	private static String cutStringByGBK(String str,int len) throws IOException {

		byte[] buf = str.getBytes("GBK");
		int count = 0;
		for(int x = len -1 ;x>=0;x--) {
			
			if(buf[x] < 0)
				count++;
			if(buf[x] > 0)
				break;		
		}		
		if(count % 2 == 0)
			return new String(buf,0,len);
		else
			return new String(buf,0,len-1);
	}
}