java汉字编码问题：常用的GBK与Unicode在JAVA是怎样规定的？

[BCBPLC]

java字符编码问题：常用的GBK与Unicode汉字编码在JAVA是怎样规定的？

如果一个文本文件是GBK格式或者Uniocde编码，
如何处理。如何转换？

[lxbccsu]

[Quote=引用楼主 bcbplc 的回复:]
java字符编码问题：常用的GBK与Unicode汉字编码在JAVA是怎样规定的？
[/Quote]
字符集编码不是Java规定的，Java只是按照标准组织的规定来处理字符。如GBK是中国制定的国家标准信息交换用汉字编码字符集，Unicode是国际组织（http://www.unicode.org）制定的编码字符集。
而Java语言内部采用Unicode编码,请区分Java编译器对java源文件和JVM对class类文件的编码/解码过程。如：
编程人员在操作系统上用编辑软件来实现源程序代码并以.java扩展名保存在操作系统中，例如用记事本编辑一个java源程序；程序文件在保存时默认采用了操作系统默认支持的编码格式(操作系统默认支持的格式为file.encoding格式)形成了一个.java文件，也即，java程序在被编译前，Java源程序文件是采用操作系统默认支持的file.encoding编码格式保存的，Java源程序中含有中文信息字符和英文程序代码；要查看系统的file.encoding参数：

String encoding = System.getProperty("file.encoding");

编程人员用JDK中的javac.exe来编译这些源代码，形成.class类；用JDK的javac.exe编译Java源程序，在编译的时候，如果没有用-encoding参数指定JAVA源程序的编码格式，则javac.exe首先获得操作系统默认采用的编码格式，也即在编译java程序时，若不指定源程序文件的编码格式，JDK首先获得操作系统的file.encoding参数(它保存的就是操作系统默认的编码格式)，然后JDK就把java源程序从file.encoding编码格式转化为Java内部默认的Unicode格式保存到操作系统中形成我们见到的.class文件。最终获得的.class文件是内容以Unicode编码格式保存的类文件，它内部包含源程序中的中文字符串，只不过此时它己经由file.encoding格式转化为Unicode格式了。

最后说一句每种编码都限定了一个明确的字符集合

[Quote=引用楼主 bcbplc 的回复:]
如果一个文本文件是GBK格式或者Uniocde编码，
如何处理。如何转换？
[/Quote]

下面就是转换操作：

[Quote=引用 1 楼 x19881216 的回复:]
InputStreamReader ir = new InputStreamReader(new FileInputStream("c:/text_utf8.txt"), "UTF-8");
OutputStreamWriter ow = new OutputStreamWriter(new FileOutputStream("c:/text_gbk.txt"),"GBK");
[/Quote]

[Quote=引用 3 楼 qybao 的回复:]
读取文件，可以
BufferedReader br = new BufferedReader(new InputStreamReader(new FileInputStream("filename"), "charset")); //charset就是指定的编码，如GBK
如果是字符串转换
String s = "ABC";
String ss = new String(s.getByte……
[/Quote]

[安心逍遥]

InputStreamReader ir = new InputStreamReader(new FileInputStream("c:/text_utf8.txt"), "UTF-8");
OutputStreamWriter ow = new OutputStreamWriter(new FileOutputStream("c:/text_gbk.txt"),"GBK");

[火龙果被占用了]

这不是 JAVA 规定的，这是标准，由标准规定的，JAVA 只是照标准实现而已。

[约翰羊]

路过，学习。

[小绵羊]

InputStreamReader ir = new InputStreamReader(new FileInputStream("c:/text_utf8.txt"), "UTF-8");
OutputStreamWriter ow = new OutputStreamWriter(new FileOutputStream("c:/text_gbk.txt"),"GBK");

[小绵羊]

附上API一段


public class InputStreamReaderextends ReaderInputStreamReader 是字节流通向字符流的桥梁：它使用指定的 charset 读取字节并将其解码为字符。它使用的字符集可以由名称指定或显式给定，或者可以接受平台默认的字符集。

每次调用 InputStreamReader 中的一个 read() 方法都会导致从底层输入流读取一个或多个字节。要启用从字节到字符的有效转换，可以提前从底层流读取更多的字节，使其超过满足当前读取操作所需的字节。

为了达到最高效率，可要考虑在 BufferedReader 内包装 InputStreamReader。例如：

BufferedReader in
= new BufferedReader(new InputStreamReader(System.in));






public class OutputStreamWriterextends WriterOutputStreamWriter 是字符流通向字节流的桥梁：可使用指定的 charset 将要写入流中的字符编码成字节。它使用的字符集可以由名称指定或显式给定，否则将接受平台默认的字符集。

每次调用 write() 方法都会导致在给定字符（或字符集）上调用编码转换器。在写入底层输出流之前，得到的这些字节将在缓冲区中累积。可以指定此缓冲区的大小，不过，默认的缓冲区对多数用途来说已足够大。注意，传递给 write() 方法的字符没有缓冲。

为了获得最高效率，可考虑将 OutputStreamWriter 包装到 BufferedWriter 中，以避免频繁调用转换器。例如：

Writer out
= new BufferedWriter(new OutputStreamWriter(System.out));
代理对 是一个字符，它由两个 char 值序列表示：高 代理项的范围为 '\uD800' 到 '\uDBFF'，后跟范围为 '\uDC00' 到 '\uDFFF' 的低 代理项。

错误代理元素 指的是后面不跟低代理项的高代理项，或前面没有高代理项的低代理项。

此类总是使用字符集的默认替代序列 替代错误代理元素和不可映射的字符序列。如果需要更多地控制编码过程，则应该使用 CharsetEncoder 类。

[qybao]

读取文件，可以
BufferedReader br = new BufferedReader(new InputStreamReader(new FileInputStream("filename"), "charset")); //charset就是指定的编码，如GBK
如果是字符串转换
String s = "ABC";
String ss = new String(s.getBytes("charset"), "charset"); //charset就是指定的编码，如GBK

[chenchenyangll]

编码问题很头疼 = = 学习了

[~诸行无常~]

http://www.ibm.com/developerworks/cn/java/j-lo-chinesecoding/