c中如何將多個位元組的16進位制數合併成一個_一次搞懂Java中的編碼問題
編碼問題一直是一個困擾程式設計師的問題，尤其是對於java程式設計師。因為java的跨平臺特性，經常需要在多個編碼之間進行轉換。
下面詳細講一講java中的編碼問題
一、為什麼要編碼
長話短說，原因如下：
1，計算機儲存資訊的最小單位是位元組Byte。佔8個二進位制位。所以一個位元組能表示的狀態只有255中
2，人類語言的符號太多，255位不夠
3，所以必須把多個位元組合起來表示一個人類語言符號
4，在怎麼組合位元組上出現了多種方法，這就是編碼
二、常用編碼格式
現在的編碼格式有很多，常見的有 ASCII、ISO-8859-1、GB2312、GBK、UTF-8、UTF-16 等。
能表示漢字的有GB2312、GBK、UTF-8、UTF-16 這幾種。不同的編碼格式在儲存空間和編碼效率方面都有不同。
如何選擇，需要多方考慮。
先簡單介紹一下這幾種編碼。
ASCII 碼
最基礎的編碼格式，標準ASCII碼只有127個。連一個位元組都沒用完，只用了低7位。
後來又除了擴充套件ASCII碼把第8位利用了起來。不過總的來說，能表示的字元非常有限。
僅適用於英語系語種
屬於單子節編碼格式。
ISO-8859-1
這個就是上面說的擴充套件ASCII碼。向下相容標準ASCII碼
雖然只能表示256個字元，但是已經包含了絕大多數西歐語言，所以使用上還是非常廣泛的。
GB2312
全稱是《資訊交換用漢字編碼字符集 基本集》，請注意這個基本字眼。它是雙位元組編碼，總的編碼範圍是 A1-F7，其中從 A1-A9 是符號區，總共包含 682 個符號，從 B0-F7 是漢字區，包含 6763 個漢字。
GBK
全稱叫《漢字內碼擴充套件規範》。另一個名字叫擴充套件GB2312。所以你就知道了，GBK是GB2312的擴充套件，能表示 21003 個漢字。向下相容GB2312，所以用GB2312編碼的漢字用GBK來解碼是沒有問題的。
GBK是雙位元組的，不論編碼英文字母還是漢字都是雙位元組的。
GB18030(相容GB2312)
全稱是《資訊交換用漢字編碼字符集》，是我國的強制標準，它是可變位元組的，可能是單位元組、雙位元組或者四位元組編碼，它的編碼與 GB2312 編碼相容，這個雖然是國家標準，但是實際系統中使用的並不廣泛。
Unicode 編碼方案
看了這麼多編碼，很煩對吧。所以國際標準化組織ISO制定了Unicode 編碼方案，可以容納世界上所有文字和符號的字元編碼。
這裡要多說一句，Unicode僅僅是一個字符集，規定了一個人類字元對應的二進位制數。至於這個二進位制數的儲存方案，是不管的，由其他開發者實現。這個組織只出標準，不出實現。
所以流行的Unicode 編碼方案有兩種UTF-16和UTF-8。其實還有一個UTF-32，用的少。。
UTF-32
32很好理解，就是32位，定長4個位元組。不管什麼字元，統統32位。
好處好壞處很明顯。效率高(不需要做任何編碼計算轉換)，但是浪費空間。空間換時間。
UTF-8
這個8不是8位的意思，而是最少8位。UTF-8是一種變長的編碼方式。使用 1~6 個位元組來儲存；
對於英語等西歐語系，非常喜歡UTF-8。因為他們只需要一個位元組即可，
在單子節的情況下和 ASCII 編碼完全一樣，因此 UTF-8 是相容 ASCII 的
但是對於中日韓語系來說，就比較難受，不僅要忍受效率的損失，而且儲存空間也沒有節省
UTF-16
UTF-16是介於兩者之間的一個編碼格式。算是一種折中。折中編碼會固定2位元組或者4位元組
具體來說是對於 Unicode 編號範圍在 0000 ~ FFFF 之間的字元，UTF-16 使用兩個位元組儲存，並且直接儲存 Unicode 編號，不用進行編碼轉換，這跟 UTF-32 非常類似。
對於 Unicode 編號範圍在 10000~10FFFF 之間的字元，UTF-16 使用四個位元組儲存
注意，只有 UTF-8 相容 ASCII，UTF-32 和 UTF-16 都不相容 ASCII，因為它們沒有單位元組編碼。
所以 UTF-8 和 UTF-16/32 都各有優缺點，因此選擇的時候應當立足於實際的應用場景。實際上，我們在普通的應用開發中，基本不太關係這個。99%的場景是直接使用了UTF-8。我認為這並沒有多大問題，UTF-8的變長特性，決定了以後即使繼續增加人類語言字元，utf-8都可以放下，反觀utf-16/32可能會有問題。
Java中的編解碼
編碼解碼主要發生在字元和位元組的轉換過程中，這個場景一般就是IO，包括磁碟IO和網路IO
io中的編解碼
解碼就是由位元組到字元的轉換，如從網路上拿來的二進位制流，轉換成漢字。
Reader 類是 Java 的 I/O 中讀字元的父類，而 InputStream 類是讀位元組的父類，InputStreamReader 類就是關聯位元組到字元的橋樑，它負責在 I/O 過程中處理讀取位元組到字元的轉換，而具體位元組到字元的解碼實現它由 StreamDecoder 去實現，在 StreamDecoder 解碼過程中必須由使用者指定 Charset 編碼格式。值得注意的是如果你沒有指定 Charset，將使用本地環境中的預設字符集，例如在中文環境中將使用 GBK 編碼。
寫的情況也是類似，寫字元的父類是 Writer，寫位元組的父類是 OutputStream，通過 OutputStreamWriter 轉換字元到位元組。如下圖所示：
同樣 StreamEncoder 類負責將字元編碼成位元組，編碼格式和預設編碼規則與解碼是一致的。
寫個程式碼測試一下：
public class IOTest { @Test public void testWrite() throws Exception { String file = "d:/test1.txt"; String charset = "UTF-8"; // 寫字元換轉成位元組流 FileOutputStream outputStream = new FileOutputStream(file); OutputStreamWriter writer = new OutputStreamWriter( outputStream, charset); try { writer.write("儲存點中文字元"); } finally { writer.close(); } } @Test public void testRead() throws Exception { String file = "d:/test1.txt"; String charset = "UTF-8"; // 讀取位元組轉換成字元 FileInputStream inputStream = new FileInputStream(file); InputStreamReader reader = new InputStreamReader( inputStream, charset); StringBuffer buffer = new StringBuffer(); char[] buf = new char[64]; int count = 0; try { while ((count = reader.read(buf)) != -1) { buffer.append(buf, 0, count); } } finally { reader.close(); } System.out.println(buffer.toString()); }}你可以改下字符集，多測幾次。讀寫使用不同的字符集會亂碼。
我們在寫程式碼的時候，一定要手動指定下字符集，不要使用預設。雖然在一臺機器上，不會出問題。一旦涉及到跨機器可能有異常。
我們可以看下預設的字符集到底是啥。
這是jdk的原始碼。在vm啟動時，找有沒有配file.encoding引數，配了，去找對應的字符集。如果字符集比較特殊，在不同的機器上有可能找不到的。否則就是UTF-8
/**
* Returns the default charset of this Java virtual machine.
*
*
The default charset is determined during virtual-machine startup and
* typically depends upon the locale and charset of the underlying
* operating system.
*
* @return A charset object for the default charset
*
* @since 1.5
*/
public static Charset defaultCharset() {
if (defaultCharset == null) {
synchronized (Charset.class) {
String csn = AccessController.doPrivileged(
new GetPropertyAction("file.encoding"));
Charset cs = lookup(csn);
if (cs != null)
defaultCharset = cs;
else
defaultCharset = forName("UTF-8");
}
}
return defaultCharset;
}
java程式碼中的編解碼
除了io之外，我們也經常在程式碼中進行string和byte的轉換。
String s = "中文字串";
byte[] b = s.getBytes("UTF-8");
String n = new String(b,"UTF-8");
隨手指定字符集是個好習慣