小彩龟会互咬吗?:用java程序将GBK字符转成UTF-8编码格式

UTF-8 采用变长度字节来表示字符，理论上最多可以到 6 个字节长度(一个字符六个字节)。

UTF-8 编码兼容了 ASC II(0-127)， 也就是说 UTF-8 对于 ASC II 字符的编码是和 ASC II 一样的。

对于超过一个字节长度的字符，才用以下编码规范：

左边第一个字节1的个数表示这个字符编码字节的位数，

例如两位字节字符编码样式为为：110xxxxx 10xxxxxx；

三位字节字符的编码样式为：1110xxxx 10xxxxxx 10xxxxxx.；

以此类推，六位字节字符的编码样式为：1111110x 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx。

xxx 的值由字符编码的二进制表示的位填入。只用最短的那个足够表达一个字符编码的多字节串。

例如：

Unicode 字符： 00 A9（版权符号） = 1010 1001，

UTF-8 编码为：11000010 10101001 = 0x C2 0xA9;

字符 22 60 (不等于符号) = 0010 0010 0110 0000，

UTF-8 编码为：11100010 10001001 10100000 = 0xE2 0x89 0xA0

代码

1. package com.lang.string;   
2.   
3. public class ConverFromGBKToUTF8 {   
4.  public static void main(String[] args){   
5.      
6.   try {   
7.       
8.          ConverFromGBKToUTF8 convert = new ConverFromGBKToUTF8();   
9.          byte [] fullByte = convert.gbk2utf8(chenese);   
10.          String fullStr = new String(fullByte, "UTF-8");   
11.          System.out.println("string from GBK to UTF-8 byte:  " + fullStr);   
12.   
13.      } catch (Exception e) {   
14.       e.printStackTrace();   
15.      }   
16.  }   
17.     
18.  public byte[] gbk2utf8(String chenese){   
19.   char c[] = chenese.toCharArray();   
20.         byte [] fullByte =new byte[3*c.length];   
21.         for(int i=0; i
22.          int m = (int)c[i];   
23.          String word = Integer.toBinaryString(m);   
24. //         System.out.println(word);   
25.             
26.          StringBuffer sb = new StringBuffer();   
27.          int len = 16 - word.length();   
28.          //补零   
29.          for(int j=0; j
30.           sb.append("0");   
31.          }   
32.          sb.append(word);   
33.          sb.insert(0, "1110");   
34.          sb.insert(8, "10");   
35.          sb.insert(16, "10");   
36.             
37. //         System.out.println(sb.toString());   
38.             
39.          String s1 = sb.substring(0,8);             
40.          String s2 = sb.substring(8,16);             
41.          String s3 = sb.substring(16);   
42.             
43.          byte b0 = Integer.valueOf(s1, 2).byteValue();   
44.          byte b1 = Integer.valueOf(s2, 2).byteValue();   
45.          byte b2 = Integer.valueOf(s3, 2).byteValue();   
46.          byte[] bf = new byte[3];   
47.          bf[0] = b0;   
48.          fullByte[i*3] = bf[0];   
49.          bf[1] = b1;   
50.          fullByte[i*3+1] = bf[1];   
51.          bf[2] = b2;   
52.          fullByte[i*3+2] = bf[2];   
53.             
54.         }   
55.         return fullByte;   
56.  }   
57. }  

UTF-8的编码原理和特性：

U+0000~U+007E 1 _ _ _ _ _ _ _ (7bits)

U+0080~U+07FF 1 1 0_ _ _ _ _ 1 0_ _ _ _ _ _ (11bits)

U+0800~U+FFFF 1 1 1 0 _ _ _ _ 1 0 _ _ _ _ _ _ 1 0 _ _ _ _ _ _ (16bits)