String中的getBytes()如何存储一个中文字符

Question

本帖最后由 leafact 于 2014-12-09 21:20:37 编辑

Answer 1

你的第一个 char i='一';采用的是Unicode编码，第二个 byte[] by=s.getBytes();采用的是UTF-8方式解码，自然不一样了。

Answer 2

你应该分割你的String为n个String，然后再得到每一个char对应的bytes。

Answer 3

String s = "一";
byte[] by = s.getBytes();
System.out.println(Integer.toString(a&0xff, 2));
         //结果输出为11100100//-28
                               10111000//-72
                               10000000//-128
unicode  0100 ,1110 00,00 0000 根据utf-8的编码规则，输出正是“1”的unicode值。
String.getBytes的API描述：Encodes this String into a sequence of bytes using the platform's default charset。
其是与平台默认编码相关的。
在我的机器上，
System.out.println(Charset.defaultCharset().name());
输出为UTF-8,默认编码。

Answer 4

我的String就一个‘一’怎么分割？

Answer 5

嗯，我的也是utf-8的，你加粗的那个有什么规律么？方便解释一下么？那么我用byte[] by=s.getBytes("unicode")貌似结果也不对，

Answer 6

UTF-8是一种变长字节编码方式。对于某一个字符的UTF-8编码，如果只有一个字节则其最高二进制位为0；如果是多字节，其第一个字节从最高位开始，连续的二进制位值为1的个数决定了其编码的位数，其余各字节均以10开头。UTF-8最多可用到6个字节。 
如表： 
1字节 0xxxxxxx 
2字节 110xxxxx 10xxxxxx 
3字节 1110xxxx 10xxxxxx 10xxxxxx 
4字节 11110xxx 10xxxxxx 10xxxxxx 10xxxxxx 
5字节 111110xx 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx 
6字节 1111110x 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx 
因此UTF-8中可以用来表示字符编码的实际位数最多有31位，即上表中x所表示的位。除去那些控制位（每字节开头的10等），这些x表示的位与UNICODE编码是一一对应的，位高低顺序也相同。 
实际将UNICODE转换为UTF-8编码时应先去除高位0，然后根据所剩编码的位数决定所需最小的UTF-8编码位数。 
因此那些基本ASCII字符集中的字符（UNICODE兼容ASCII）只需要一个字节的UTF-8编码（7个二进制位）便可以表示。