java程序将GBK字符转成UTF-8编码格式

UTF-8 编码介绍

UTF-8 编码是一种被广泛应用的编码，这种编码致力于 Java代码  

1. 把全球的语言纳入一个统一的编码  

，

目前已经将几种亚洲语言纳入。UTF 代表 UCS Transformation Format.

UTF-8 采用 变长度字节来表示字符，理论上最多可以到 6 个字节长度(一个字符六个字节)。

UTF-8 编码兼容了 ASC II(0-127)， 也就是说 UTF-8 对于 ASC II 字符的编码是和 ASC II 一样的。

对于超过一个字节长度的字符，才用以下编码规范：

左边第一个字节1的个数表示这个字符编码字节的位数，

例如两位字节字符编码样式为为：110xxxxx 10xxxxxx；

三位字节字符的编码样式为：1110xxxx 10xxxxxx 10xxxxxx.；

以此类推，六位字节字符的编码样式为：1111110x 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx。

xxx 的值由字符编码的二进制表示的位填入。只用最短的那个足够表达一个字符编码的多字节串。

例如：

Unicode 字符： 00 A9（版权符号） = 1010 1001，

UTF-8 编码为：11000010 10101001 = 0x C2 0xA9;

字符 22 60 (不等于符号) = 0010 0010 0110 0000，

UTF-8 编码为：11100010 10001001 10100000 = 0xE2 0x89 0xA0

Java代码  

1. package com.lang.string;  
2. public class ConverFromGBKToUTF8 {  
3.  public static void main(String[] args){  
4.   try {  
5.          ConverFromGBKToUTF8 convert = new ConverFromGBKToUTF8();  
6.          byte [] fullByte = convert.gbk2utf8(chenese);  
7.          String fullStr = new String(fullByte, "UTF-8");  
8.          System.out.println("string from GBK to UTF-8 byte:  " + fullStr);  
9.      } catch (Exception e) {  
10.       e.printStackTrace();  
11.      }  
12.  }  
13.  public byte[] gbk2utf8(String chenese){  
14.   char c[] = chenese.toCharArray();  
15.         byte [] fullByte =new byte[3*c.length];  
16.         for(int i=0; i<c.length; i++){  
17.          int m = (int)c[i];  
18.          String word = Integer.toBinaryString(m);  
19. //         System.out.println(word);  
20.          StringBuffer sb = new StringBuffer();  
21.          int len = 16 - word.length();  
22.          //补零  
23.          for(int j=0; j<len; j++){  
24.           sb.append("0");  
25.          }  
26.          sb.append(word);  
27.          sb.insert(0, "1110");  
28.          sb.insert(8, "10");  
29.          sb.insert(16, "10");  
30. //         System.out.println(sb.toString());  
31.          String s1 = sb.substring(0,8);            
32.          String s2 = sb.substring(8,16);            
33.          String s3 = sb.substring(16);  
34.          byte b0 = Integer.valueOf(s1, 2).byteValue();  
35.          byte b1 = Integer.valueOf(s2, 2).byteValue();  
36.          byte b2 = Integer.valueOf(s3, 2).byteValue();  
37.          byte[] bf = new byte[3];  
38.          bf[0] = b0;  
39.          fullByte[i*3] = bf[0];  
40.          bf[1] = b1;  
41.          fullByte[i*3+1] = bf[1];  
42.          bf[2] = b2;  
43.          fullByte[i*3+2] = bf[2];  
44.         }  
45.         return fullByte;  
46.  }  
47. }  

UTF-8的编码原理和特性：

U+0000~U+007E 1 _ _ _ _ _ _ _ (7bits)

U+0080~U+07FF 1 1 0_ _ _ _ _ 1 0_ _ _ _ _ _ (11bits)

U+0800~U+FFFF 1 1 1 0 _ _ _ _ 1 0 _ _ _ _ _ _ 1 0 _ _ _ _ _ _ (16bits)