CKTIS / Java
Kodiranje nizov v Javi: UTF-8 in UTF-16BE
Pretvori besedilo v bajte z `String.getBytes(Charset)`. Poglej, zakaj `Euro €` zavzame 8 bajtov v UTF-8 in 12 v UTF-16BE ter zakaj UTF-16BE ne uporablja vedno dveh bajtov na kodno točko.
Različica: Java SE 21
Sintaksa
import java.nio.charset.StandardCharsets;
byte[] utf8 = text.getBytes(StandardCharsets.UTF_8);
byte[] utf16be = text.getBytes(StandardCharsets.UTF_16BE);StandardCharsets.UTF_8 in StandardCharsets.UTF_16BE sta konstanti tipa Charset iz paketa java.nio.charset. Obe sta na voljo v vsaki implementaciji Java SE 21. String.getBytes(Charset) zakodira besedilo v novo polje byte[]. Za datoteko ali protokol izrecno podaj zahtevano kodiranje. Klic getBytes() brez argumenta uporabi privzeto kodiranje JVM, ki je v Java SE 21 UTF-8, razen če je spremenjeno na način, ki je odvisen od implementacije.
UTF-8 uporabi od 1 do 4 bajte na skalarno vrednost Unicode, to je na kodno točko zunaj območja U+D800–U+DFFF. UTF-16BE vsako 16-bitno kodno enoto zapiše z dvema bajtoma, najprej zapiše pomembnejši bajt. Ne doda oznake vrstnega reda bajtov (BOM). Nasprotno StandardCharsets.UTF_16 pri kodiranju zapiše BOM in uporabi vrstni red big-endian.
Euro € vsebuje pet znakov ASCII, vključno s presledkom, in znak €. To je 5 × 1 + 3 = 8 bajtov v UTF-8 in 6 × 2 = 12 v UTF-16BE. Dopolnilna kodna točka, kot je 😀 (U+1F600), zahteva nadomestni par: dve kodni enoti in 4 bajte v UTF-16BE. Tudi v UTF-8 zavzame 4 bajte. String.length() šteje kodne enote UTF-16, bytes.length pa bajte.
Preobremenjena metoda getBytes(String) sprejme ime kodiranja in sproži preverjano izjemo UnsupportedEncodingException, če kodiranje ni podprto. Če besedila ni mogoče zakodirati, obnašanje getBytes(String) in getBytes() ni določeno. getBytes(Charset) nepravilno oblikovana ali nepreslikljiva vhodna zaporedja nadomesti s privzetimi nadomestnimi bajti kodiranja. Če želiš napake sporočiti namesto nadomeščanja vhoda, uporabi CharsetEncoder z CodingErrorAction.REPORT za obe vrsti napak.
Primeri
import java.nio.charset.Charset;
import java.nio.charset.StandardCharsets;
import java.util.HexFormat;
public class EncodingDemo {
public static void main(String[] args) {
String euro = "Euro \u20AC";
String emoji = "\uD83D\uDE00";
show(euro, StandardCharsets.UTF_8);
show(euro, StandardCharsets.UTF_16BE);
show(emoji, StandardCharsets.UTF_8);
show(emoji, StandardCharsets.UTF_16BE);
}
private static void show(String text, Charset charset) {
byte[] bytes = text.getBytes(charset);
String hex = HexFormat.ofDelimiter(" ").formatHex(bytes);
System.out.println(charset.name() + " " + bytes.length + ": " + hex);
}
}Rezultat
UTF-8 8: 45 75 72 6f 20 e2 82 ac UTF-16BE 12: 00 45 00 75 00 72 00 6f 00 20 20 ac UTF-8 4: f0 9f 98 80 UTF-16BE 4: d8 3d de 00
Prvi dve vrstici veljata za `Euro €` s presledkom, zadnji dve pa za `😀`. Program izpiše dolžino polja in njegove bajte v šestnajstiškem zapisu, ne vhodnih znakov.
Povezane lekcije
- Java · Lekcija 50 · Napredna · Različica: 2