База знанияИзпитен център
BGБългарски
Избери език13

CKTIS / Java

Charset — кодиране и декодиране на текст

java.nio.charset.Charset описва съответствие между кодови единици на Unicode и байтове. Научете как Charset.forName избира кодировка и как да създадете декодер и кодер с изрична обработка на грешки.

Версия: Java SE 21; repository runtime, production runtime not attested

Синтаксис

Charset cs = Charset.forName("UTF-8");
CharsetDecoder decoder = cs.newDecoder();
CharsetEncoder encoder = cs.newEncoder();

java.nio.charset.Charset описва именувано съответствие между поредици от 16-битови кодови единици на Unicode и байтове. Декодирането преобразува байтовете в знаци, а кодирането — знаците в байтове. Кодировката трябва да съответства на формата на данните; неправилният избор може да доведе до некоректен текст, без да бъде съобщена грешка.

Charset.forName("UTF-8") търси кодировка по име или псевдоним, без да прави разлика между главни и малки букви. Невалидно име води до IllegalCharsetNameException, а неподдържана кодировка — до UnsupportedCharsetException. За фиксирана кодировка можете да използвате StandardCharsets.UTF_8.

Charset.newDecoder() създава CharsetDecoder, който преобразува ByteBuffer в CharBuffer. Ако обектът Charset поддържа кодиране, Charset.newEncoder() създава CharsetEncoder за обратната посока. Някои обекти Charset поддържат само декодиране: ако canEncode() върне false, newEncoder() хвърля UnsupportedOperationException. Обектът Charset е неизменяем и може безопасно да се споделя между нишки, но кодерите и декодерите не са безопасни за едновременна употреба от няколко нишки.

Новите кодери и декодери използват по подразбиране CodingErrorAction.REPORT при невалиден вход и символи, които не могат да бъдат съпоставени. Затова едноаргументните им методи encode и decode могат да хвърлят CharacterCodingException. За разлика от тях помощните методи Charset.encode и Charset.decode заменят проблемните данни. Използвайте onMalformedInput и onUnmappableCharacter, за да изберете изрично политика за обработка на грешки.

Примерът кодира caf\u00e9 като UTF-8 и декодира резултата. Той проверява броя на байтовете и равенството на текста, без да зависи от начина, по който терминалът показва символите. Резултатът от кодирането вече е готов за четене; не извиквайте flip() върху него преди декодиране.

Примери

import java.nio.ByteBuffer;
import java.nio.CharBuffer;
import java.nio.charset.CharacterCodingException;
import java.nio.charset.Charset;

public class CharsetDemo {
    public static void main(String[] args) throws CharacterCodingException {
        Charset cs = Charset.forName("UTF-8");
        String text = "caf\u00e9";
        ByteBuffer bytes = cs.newEncoder().encode(CharBuffer.wrap(text));
        System.out.println("bytes=" + bytes.remaining());
        String decoded = cs.newDecoder().decode(bytes).toString();
        System.out.println("roundTrip=" + text.equals(decoded));
    }
}

Резултат

bytes=5
roundTrip=true

Показаният код и заявеният резултат са проверени в изолирана среда по метода, записан в доказателството за проверка на тази точна версия.

Източници