lqxue

常用链接

统计

book

tools

最新评论

java 编码研究感想

1、iso8859-1
属于单字节编码,最多能表示的字符范围是0-255,应用于英文系列。比如,字母'a'的编码为0x61=97。
很明显,iso8859-1编码表示的字符范围很窄,无法表示中文字符。但是,由于是单字节编码,和计算机最基础的表示单位一致,所以很多时候,仍旧使用 iso8859-1编码来表示。而且在很多协议上,默认使用该编码。比如,虽然"中文"两个字不存在iso8859-1编码,以gb2312编码为例,应 该是"[u]d6d0 cec4[/u]"两个字符,使用iso8859-1编码的时候则将它拆开为4个字节来表示:"[u]d6 d0 ce c4[/u]"(事实上,在进行存储的时候,也是以字节为单位处理的)。而如果是UTF编码,则是6个字节"[u]e4 b8 ad e6 96 87[/u]"。很明显,这种表示方法还需要以另一种编码为基础。
2、 GB2312/GBK
这就是汉子的国标码,专门用来表示汉字,是双字节编码,而英文字母和iso8859-1一致(兼容iso8859-1编码)。其中gbk编码能够用来同时表示繁体字和简体字,而gb2312只能表示简体字,gbk是兼容gb2312编码的。
3、 unicode
这是最统一的编码,可以用来表示所有语言的字符,而且是定长双字节(也有四字节的)编码,包括英文字母在内。所以可以说它是不兼容iso8859-1编码 的,也不兼容任何编码。不过,相对于iso8859-1编码来说,uniocode编码只是在前面增加了一个0字节,比如字母'a'为"[u]00 61[/u]"。
需要说明的是,定长编码便于计算机处理(注意GB2312/GBK不是定长编码),而unicode又可以用来表示所有字符,所以在很多软件内部是使用unicode编码来处理的,比如java。
4、UTF
考虑到unicode编码不兼容iso8859-1编码,而且容易占用更多的空间:因为对于英文字母,unicode也需要两个字节来表示。所以 unicode不便于传输和存储。因此而产生了utf编码,utf编码兼容iso8859-1编码,同时也可以用来表示所有语言的字符,不过,utf编码 是不定长编码,每一个字符的长度从1-6个字节不等。另外,utf编码自带简单的校验功能。一般来讲,英文字母都是用一个字节表示,而汉字使用三个字节。
注意,虽然说utf是为了使用更少的空间而使用的,但那只是相对于unicode编码来说,如果已经知道是汉字,则使用GB2312/GBK无疑是最节省 的。不过另一方面,值得说明的是,虽然utf编码对汉字使用3个字节,但即使对于汉字网页,utf编码也会比unicode编码节省,因为网页中包含了很 多的英文字符。
5、如果我们以一种能表示中文的编码格式(例如GBK、unicode)来保存中文到文件中,那么当我们用properties load时,只要load时的编码格式(默认8859-1)和你保存的文件的编码格式相同,那么就不会出现乱码。
6、之所以\u4F60这种形式支持国际化,是因为这种形式的内容无论那种编码都是支持的,当我们用properties.getProperty()时,这个方法会对key和value都进行转化一次,当其碰见这种码时,它就把他转化为unicode码后返回。 所以,我们可以利用工具(例如:native2ascii )把.properties文件转化成这种格式以方便我们支持国际化。

参考链接:
    1、http://www.blogjava.net/beike/archive/2006/04/29/44038.html
    2、http://tech.ccidnet.com/art/1077/20050704/279619_1.html
    3、http://linux.chinaunix.net/bbs/archiver/tid-896583.html

posted on 2007-05-29 13:37 lqx 阅读(184) 评论(0)  编辑  收藏


只有注册用户登录后才能发表评论。


网站导航: