扫二维码与项目经理沟通
我们在微信上24小时期待你的声音
解答本文疑问/技术咨询/运营咨询/技术建议/互联网交流
最近发现一直对java默认的utf-8编码存在疑问，于是我想从控制台打印"一"入手，挖掘一下整个过程。如下图
开始debug，utf-8在编码汉字的时候用的三个字节，下图也能看出来。三个值为负数是因为每个字节对应的10进制数都大于128而越界了
我们再把负数转换成对应的正的10进制数，具体方法就是跟0xff作“&”运算，
分别得到228（11100100）,184（1011 1000）,128 （1000 0000）。
utf-8编码汉字三个字节的格式就是1110XXXX 10XXXXXX 10 XXXXXX ，取出下划线部分就是汉字“一”对应的真实二进制数字100111000000000（15位）
计算下
再看下19968对应的字符
验证也是对的，证明了我的结论。
几个关键要点：
1、utf-8编码汉字是三个字节，格式是前面说的那个格式，为什么要定义成这样的格式其实很好理解，编码后成这样，解码的时候直接取出x号对应的部分，直接就能找到整个字节序真正包含要传输表达的字符
2、byte数组在存放大于128的数字时会越界，然后就是负数存放了，后面得到具体的数值就是“&0xff”得到对应的正数
拿-127举例
-127的二进制为：11111111(由于是负数，所以符号位为1)，
存储到计算机需要进行补码，正数补码后为原本的数组，负数补码为除符号位外，都进行取反操作，补码后，二进制为：10000000，
转换int需要补齐32位，所以变为11111111 11111111 11111111 10000000，(正数补0,负数补1)
由于byte不需要高24位，所以需要 & 0xff进行清零，变为00000000 00000000 00000000 10000000，进行+1操作，二进制为：00000000 00000000 00000000 10000001，
这里10000001并不是负数，由于要转换为int类型，int为32位，所以最高位为0，
转换为十进制后，就是129。
后续：理解了编码的原理就能理解乱码的问题了，如果一段文本经utf-8编码的二进制流后经其他编码解码时，由于解码的格式跟utf-8不同，每次取的二进制长度都不一样，整个二进制流就会乱掉，于是就乱码了。
你是否还在寻找稳定的海外服务器提供商？创新互联www.cdcxhl.cn海外机房具备T级流量清洗系统配攻击溯源，准确流量调度确保服务器高可用性，企业级服务器适合批量采购，新人活动首月15元起，快前往官网查看详情吧
我们在微信上24小时期待你的声音
解答本文疑问/技术咨询/运营咨询/技术建议/互联网交流
微信二维码
移动版官网