首先說明這里指的是Java中的String，雖然我已經(jīng)決定轉(zhuǎn)戰(zhàn)C/C++了，但是因?yàn)榻裉炫龅揭粋€(gè)問題，還是來看一下。String的定義如下：
public final class String
{
private final char value[]; // 保存的字符串
private final int offset; // 開始的位置
private final int count; // 字符數(shù)目
private int hash; // 緩存的hash值
......
}
在Debug的時(shí)候可以看到保存的值如下：
需要說明一下的是：如果沒有調(diào)用過hashCode()，那么hash的值為0。容易知道這里的value也就是真正保存的字符串的值（也就是“字符串測(cè)試”）的char數(shù)組，而每個(gè)char的值是多少呢？很容易驗(yàn)證：Unicode。
到這里大家也就猜到我們常用的subString是怎么實(shí)現(xiàn)的了：如果是讓我們實(shí)現(xiàn)的話讓new String使用相同的value（char數(shù)組），只修改offset和count就可以了。這樣的話既省空間又快（不需要拷貝），而事實(shí)上也是這樣的：
public String substring(int beginIndex) {
return substring(beginIndex, count);
}
public String substring(int beginIndex, int endIndex) {
......
return ((beginIndex == 0) && (endIndex == count)) ? this :
new String(offset + beginIndex, endIndex - beginIndex, value);
}
String(int offset, int count, char value[]) {
this.value = value;
this.offset = offset;
this.count = count;
}
既然是在討論字符串，JVM默認(rèn)使用的是什么編碼呢？通過調(diào)試可以發(fā)現(xiàn)：
public static Charset defaultCharset() {
if (defaultCharset == null) {
synchronized (Charset.class) {
java.security.PrivilegedAction pa = new GetPropertyAction("file.encoding");
String csn = (String)AccessController.doPrivileged(pa);
Charset cs = lookup(csn);
if (cs != null)
defaultCharset = cs;
else
defaultCharset = forName("UTF-8");
}
}
其中defaultCharset的值可以通過：
-Dfile.encoding=utf-8
進(jìn)行設(shè)置。當(dāng)然如果你想設(shè)置為“abc”也可以，但會(huì)默認(rèn)設(shè)置為UTF-8。可以通過System.getProperty("file.encoding")來看具體的值。看defaultCharset是為什么呢？因?yàn)榫W(wǎng)絡(luò)傳輸?shù)倪^程中應(yīng)該都是byte數(shù)組，不同的編碼方式得到的byte數(shù)組可能是不相同的。所以，我們得知道編碼方式是怎么得到的吧？具體得到byte數(shù)組的方法也就是我們下面重點(diǎn)要看的getBytes了，它最終要調(diào)用的是CharsetEncoder的encode方法，如下：
public final CoderResult encode(CharBuffer in, ByteBuffer out, boolean endOfInput) {
int newState = endOfInput ? ST_END : ST_CODING;
if ((state != ST_RESET) && (state != ST_CODING) && !(endOfInput && (state == ST_END)))
throwIllegalStateException(state, newState);
state = newState;
for (;;) {
CoderResult cr;
try {
cr = encodeLoop(in, out);
} catch (BufferUnderflowException x) {
throw new CoderMalfunctionError(x);
} catch (BufferOverflowException x) {
throw new CoderMalfunctionError(x);
}
if (cr.isOverflow())
return cr;
if (cr.isUnderflow()) {
if (endOfInput && in.hasRemaining()) {
cr = CoderResult.malformedForLength(in.remaining());
} else {
return cr;
}
}
CodingErrorAction action = null;
if (cr.isMalformed())
action = malformedInputAction;
else if (cr.isUnmappable())
action = unmappableCharacterAction;
else
assert false : cr.toString();
if (action == CodingErrorAction.REPORT)
return cr;
if (action == CodingErrorAction.REPLACE) {
if (out.remaining() < replacement.length)
return CoderResult.OVERFLOW;
out.put(replacement);
}
if ((action == CodingErrorAction.IGNORE) || (action == CodingErrorAction.REPLACE)) {
in.position(in.position() + cr.length());
continue;
}
assert false;
}
}
當(dāng)然首先會(huì)根據(jù)需要的編碼格式選擇對(duì)應(yīng)的CharsetEncoder，而最主要的是不同的CharsetEncoder實(shí)現(xiàn)了不同的encodeLoop方法。這里可能會(huì)不明白為什么這里有個(gè)for(;;)？其實(shí)看CharsetEncoder所處的包（nio）和它的參數(shù)也就大概明白了：這個(gè)函數(shù)是可以處理流的（雖然我們這里使用的時(shí)候不會(huì)循環(huán)）。
在encodeLoop方法中會(huì)將盡可能多的char轉(zhuǎn)換為byte，new String差不多就是上面的逆過程。
在實(shí)際的開發(fā)過程中經(jīng)常會(huì)遇到亂碼問題：
在上傳文件的時(shí)候取到文件名；
JS傳到后端的字符串；
首先先嘗試下下面代碼的的運(yùn)行結(jié)果：
public static void main(String[] args) throws Exception {
String str = "字符串";
// -41 -42 -73 -5 -76 -82
printArray(str.getBytes());
// -27 -83 -105 -25 -84 -90 -28 -72 -78
printArray(str.getBytes("utf-8"));
// ???
System.out.println(new String(str.getBytes(), "utf-8"));
// 瀛
主站蜘蛛池模板：
日土县|
吉林省|
余庆县|
沧源|
襄樊市|
电白县|
柏乡县|
砚山县|
克什克腾旗|
许昌县|
和顺县|
厦门市|
长顺县|
水城县|
婺源县|
卫辉市|
醴陵市|
惠来县|
蕲春县|
忻州市|
黔西县|
黄平县|
石城县|
吐鲁番市|
修文县|
峨山|
乌兰浩特市|
涟水县|
宣恩县|
新津县|
梓潼县|
松潘县|
赤水市|
衡南县|
仙居县|
顺平县|
江油市|
井研县|
正蓝旗|
汝城县|
屯昌县|
