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： {
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);
}
}
}
} 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： 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。 |
