Java Charset详解

小蓝 • 2024-12-15 12:13 • 编程

一、什么是Charset

Charset，顾名思义，即字符集。在Java中，Charset则是对一组编码方案的封装。编码方案则包括了肉眼看到的字符和计算机底层存储的二进制数之间的关联关系。Charset类可以用于在字节和字符之间进行转换，同时它还规定了每种编码方案中可允许的字符集合。

二、Charset常用API

在Charset中，最常用的API包括了以下几种：

1. Charset.availableCharsets()：获取所有可用编码方案的Charset集合。

Map charsets = Charset.availableCharsets();
for (Map.Entry entry : charsets.entrySet()) {
    System.out.println(entry.getKey() + " - " + entry.getValue());
}

2. Charset.forName()：获取指定的Charset。

Charset charset = Charset.forName("UTF-8");

3. Charset.decode()：将字节序列解码为字符序列。

Charset charset = Charset.forName("UTF-8");
ByteBuffer inputBuffer = ByteBuffer.wrap(new byte[] { (byte)0xE4, (byte)0xBD, (byte)0xA0, (byte)0xE5, (byte)0xA5, (byte)0xBD });
CharBuffer charBuffer = charset.decode(inputBuffer);
System.out.println(charBuffer.toString()); // 输出：“你好”

4. Charset.encode()：将字符序列编码为字节序列。

Charset charset = Charset.forName("UTF-8");
CharBuffer charBuffer = CharBuffer.wrap("你好");
ByteBuffer outputBuffer = charset.encode(charBuffer);
while (outputBuffer.hasRemaining()) {
    System.out.printf("%02X ", outputBuffer.get());
}
// 输出：E4 BD A0 E5 A5 BD

三、Charset使用规范

在Charset的使用中，一定要注意编码方案的正确性，否则会产生乱码问题。

比如在文件读写中，我们常常遇到“编码不一致”的情况。那么，如何确保编码的正确性呢？一种常用的方法是使用InputStreamReader和OutputStreamWriter进行包装，这两个类可以将底层的字节流转换成字符流，同时自动进行编码和解码。

举个例子，在读取文件时，我们可以这样操作：

FileInputStream fis = new FileInputStream("file.txt");
InputStreamReader isr = new InputStreamReader(fis, "UTF-8");
BufferedReader br = new BufferedReader(isr);
String line = null;
while ((line = br.readLine()) != null) {
    System.out.println(line);
}
br.close();
isr.close();
fis.close();

而在写入文件时，则可以这样操作：

FileOutputStream fos = new FileOutputStream("file.txt");
OutputStreamWriter osw = new OutputStreamWriter(fos, "UTF-8");
BufferedWriter bw = new BufferedWriter(osw);
bw.write("你好");
bw.newLine();
bw.close();
osw.close();
fos.close();

四、常用编码方案

在实际开发中，UTF-8和GBK是最常用的两种编码方案。其中，UTF-8是一种变长的编码方案，它可以用1~4个字节表示不同的字符，因此支持全球范围内的所有语言。而GBK则是一种固定长度的编码方案，它只能表示中文和少数其他语言的字符。

代码示例：

Charset utf8 = Charset.forName("UTF-8");
Charset gbk = Charset.forName("GBK");
String s = "你好，世界！";
byte[] utf8Bytes = s.getBytes(utf8);
byte[] gbkBytes = s.getBytes(gbk);
System.out.println(Arrays.toString(utf8Bytes)); // 输出：[-28, -67, -96, -27, -91, -67, -17, -68, -120, -27, -91, -67, -16, -90, -96, -28, -72, -106, -27, -91, -81, -25, -85, -80]
System.out.println(Arrays.toString(gbkBytes)); // 输出：[-60, -29, -70, -61, -93, -58, -46, -58, -48, -71, -95, -63]

五、Charset注意点

在Java中，Charset并不是一个线程安全的类，因此在多线程环境下需要进行同步。同时，在进行编码和解码时，也应该尽可能少地使用Charset。

此外，Java并没有规定所有的Charset都必须支持所有的字符，因此在使用Charset时，一定要注意对应的编码方案是否支持相应的字符集合。

原创文章，作者：小蓝，如若转载，请注明出处：https://www.506064.com/n/254871.html