【java】Java編碼字元集與字元集編碼入門（五） Java代碼中的字元編碼轉換Part1...

• Java使用的統一字元集Unicode

    如果你是JVM的設計者，讓你來決定JVM中所有字元的表示形式，你會不會允許使用各種編碼方式的字元并存？ 

    我想你的答案是不會，如果在記憶體中的Java字元可以以GB2312，UTF-16，BIG5等各種編碼形式存在，那麼對開發者來說，連進行最基本的字元串列印、連接配接等操作都會寸步難行。例如一個GB2312的字元串後面連接配接一個UTF-8的字元串，那麼連接配接後的最終結果應該是什麼編碼的呢？你選哪一個都沒有道理。

    是以牢記下面這句話，這也是Java開發者的共同意志：在Java中，字元隻以一種形式存在，那就是Unicode（注意到我們沒有選擇特定的編碼，直接使用它們在字元集中的編号，這是統一的唯一方法）。

    但“在Java中”到底是指在哪裡呢？就是指在JVM中，在記憶體中，在你的代碼裡聲明的每一個char，String類型的變量中。例如你在程式中這樣寫 

    char han='漢'; 

    在記憶體的相應區域，這個字元就表示為0x6C49.可以用下面的代碼證明一下： 

    char han='漢';

    System.out.format("%x",(short)han); 

    輸出是：6c49

    反過來用Unicode編号來指定一個字元也可以，像這樣： 

    char han=0x6c49;

    System.out.println(han);

    輸出是：漢 

    這其實也是說，隻要你正确的讀入了“漢”這個字，那麼它在記憶體中的表示形式一定是0x6C49，沒有任何其他的值能代表這個字（當然，如果你讀錯了，那結果是什麼就不知道了，範偉說：讀，讀錯了呀，那還等于好幾億呢；本山大哥說：好幾億你也沒答上，請聽下一題）。

    JVM的這種約定使得一個字元存在的世界分為了兩部分：JVM内部和OS的檔案系統。在JVM内部，統一使用Unicode表示，當這個字元被從JVM内部移到外部（即儲存為檔案系統中的一個檔案的内容時），就進行了編碼轉換，使用了具體的編碼方案（也有一種很特殊的情況，使得在JVM内部也需要轉換，不過這個是後話）。 

    是以可以說，所有的編碼轉換就隻發生在邊界的地方，JVM和OS的交界處，也就是你的各種輸入輸出流（或者Reader，Writer類）起作用的地方。

• Java的IO系統

    話頭扯到這裡就必須接着說Java的IO系統。

    盡管看上去混亂繁雜，但是所有的IO基本上可以分為兩大陣營：面向字元的Reader啊Wrtier啊，以及面向位元組的輸入輸出流。

    下面我來逐一分解，其實一點也不難。

    面向字元和面向位元組中的所謂“面向”什麼，是指這些類在處理輸入輸出的時候，在哪個意義上保持一緻。如果是面向位元組，那麼這類工作要保證系統中的檔案二進制内容和讀入JVM内部的二進制内容要一緻。不能變換任何0和1的順序（也就是檔案是怎麼存的就怎麼取，與檔案儲存的編碼一緻）。是以這是一種非常“忠實于原著”的做法（偶然間讓我想起郭敬明抄襲莊羽的文章，那家夥，太忠實于原著了，笑）。

    這種輸入輸出方式很适合讀入視訊檔案或者音頻檔案，或者任何不需要做變換的檔案内容。

    而面向字元的IO是指希望系統中的檔案的字元和讀入記憶體的“字元”（注意和位元組的差別）要一緻。例如我們的中文版WindowsXP系統上有一個GBK的文本檔案，其中有一個“漢”字，這個字的GBK編碼是0xBABA（而Unicode編号是0x6C49），當我們使用面向字元的IO把它讀入記憶體并儲存在一個char型變量中時，我希望IO系統不要傻傻的直接把0xBABA放到這個char型變量中，我甚至都不關心這個char型變量具體的二進制内容到底是多少，我隻希望這個字元讀進來之後仍然是“漢”這個字。 

    從這個意義上也可以看出，面向字元的IO類，也就是Reader和Writer類，實際上隐式的為我們做了編碼轉換，在輸出時，将記憶體中的Unicode字元使用系統預設的編碼方式進行了編碼，而在輸入時，将檔案系統中已經編碼過的字元使用預設編碼方案進行了還原。我兩次提到“預設”，是說Reader和Writer的聰明也僅此而已了，它們隻會使用這個預設的編碼來做轉換，你不能為一個Reader或者Writer指定轉換時使用的編碼。這也意味着，如果你使用中文版WindowsXP系統，而上面存放了一個UTF-8編碼的檔案，當你使用Reader類來讀入的時候，它會傻傻的使用GBK來做轉換，轉換後的内容當然驢唇不對馬嘴！ 

    這種笨，有時候其實是一種傻瓜式的功能提供方式，對大多數初級使用者（以及不需要跨平台的進階使用者）來說反而是件好事。 

    但我們不一樣啦，我們都是國家棟梁，肩負着趕英超美的責任，必須師夷長技以治夷，是以我們總還要和GBK編碼以外的檔案打交道。

Java中的編碼轉換（俗稱轉碼）

    說了上面這些内容，想必聰明的讀者已經看出來，所謂編碼轉換就是一個字元與位元組之間的轉換，是以Java的IO系統中能夠指定轉換編碼的地方，也就在字元與位元組轉換的地方，那就是（讀者：InputStreamReader和OutputStreamWriter！作者：太強了，都會搶答了！）

    PrintStream也可以對OutputStream進行包裝并指定編碼方式：PrintStream(OutputStream out,

boolean autoFlush, String encoding)，但實質上也是調用OutputStreamWriter來實作的。

    這兩個類是位元組流和字元流之間的擴充卡類，是以他們肩負着編碼轉換的任務簡直太自然啦！要注意，實際上也隻能在這兩類執行個體化的時候指定編碼，是不是很好記呢？

    下面來寫一段小程式，來把“漢”字用我們非常崇拜的UTF-8編碼寫到檔案中！ 

try {
	PrintWriter out = new PrintWriter(new OutputStreamWriter(
			new FileOutputStream("c:/utf-8.txt"), "UTF-8"));
	try {
	    out.write("漢");
	} finally {
	    out.close();
	}
} catch (IOException e) {
	throw new RuntimeException(e);

}
           

    運作之後到c盤下去找utf-8.txt這個檔案，用UltraEdit打開，使用16進制檢視，看到了什麼？它的值是0xE6B189！噢耶！（讀者：這，這有什麼好高興的……）