基础资料
- 主题:
- 积分:12717
- 帖子:0
- 金币:
- 精华:
- 关注:
- 粉丝:
|
前段时间,在所参与的项目中遇到了一个unicode与gb之间转码失败的问题,一些不常用汉字的编码都被转成了“??”,这些汉字没有显示出来,于是自己对相关的问题做了一些研究并最终使问题得以解决。现在就结合前面两篇的unicode与GB方面的基本原理,介绍这种制作GBK-Unicode编码对照表的方法。 Java的字符串String类功能强大,不但能进行一些基本的字符串操作,还可以根据需要构造指定字符集的字符串,本文所介绍的方法正是利了这一点,这种方法的基本思路是:
1、遍历GBK编码表中的所有汉字,使用该字的GB编码构造一个字符串。GBK编码表中各部分的汉字分块比较整齐,很容易遍历。
2、使用getBytes()方法取得该字符的字节数组,由于Java是用unicode来表示字符的,所以此汉字的unicode就在其中。
以下是一段示例代码:
以下是引用片段:
- {
- int count = 0;
- for(int segIndex=0xb0; segIndex<=0xf7; segIndex++) {
- for(int charIndex=0xa1; charIndex<=0xfe; charIndex++) {
- byte [] gbkBytes = new byte[] {(byte)(segIndex), (byte)charIndex};
- byte [] unicodeBytes;
- String str = new String(gbkBytes,"GBK");
- unicodeBytes = str.getBytes("unicode");
- if(unicodeBytes.length == 4) {
- count++;
- String buffer = "";
- for (int i=0;i<gbkBytes.length;i++)
- buffer += (int)(0x00ff&gbkBytes[i]) + " ";
- for (int i=3;i>1;i--)
- buffer += (int)(0x00ff&unicodeBytes[i]) + " ";
- buffer += " ";
- osw.write(buffer);
- }
- }
- }
- }
复制代码 这一段是对GBK/2区的汉字进行遍历并处理的代码,GBK/2区的首字节范围在[0xb0,0xf7],尾字节范围在[0xa1,0xfe],在构造字符串时使用的字符集为GBK:
以下是引用片段:
String str = new String(gbkBytes,"GBK");
在使用getBytes()取得的字节数组中会有四个元素,前两个不知是做什么用的,可能与字符串本身的结构有关,接下来的两个字节才是真正的unicode码。但这两个字节是倒序的,要从最后一个字节开始取,之所以这样是与big_endian和little_endian有关的,这里不多说。
当每一次内层循环结束时,buffer字符串中前两个数字就是一个GB码,后面两个数字就是一个unicode码,把它写到文件中就行了。
这样的文件得到之后,再在另外的程序中载入文件,把Unicode值装入数组,以GB码为索引,就可以很方便地由GB码查得Unicode码。
该贴已经同步到 ℡幽月╃冰心的微博 |
|