C++ 和 Java 编码答案

【问题标题】：C++ and Java encodingsC++ 和 Java 编码
【发布时间】：2014-02-27 11:50:33
【问题描述】：

我正在尝试使 Java 应用程序和 VS C++ 应用程序使用套接字进行通信并相互发送不同的消息。到目前为止我唯一的问题 - 我完全迷失在他们的编码中。

默认情况下，Java 使用 UTF-8。就我而言，这是一个 Unicode 字符集。在我的 VS 项目中，我将设置设置为 Unicode。尽管出于某种原因，当我调试我的代码时，我总是在内存中看到我的字符串编码为 CP1252。此外，如果我尝试在 Java 中使用 CP1252，它可以很好地处理英文字母，但每当我尝试一些俄文字母时，每个字母都会得到一个 3f 字节。另一方面，如果我尝试在 Java 中使用 UTF-8 - 每个英文字母长 1 个字节，但每个俄语 - 2 个字节长。不是多字节编码吗？

一些关于 C++ 的文档说 std::string(char) 使用 UTF-8 代码页，而 std:wstring(wchar_t) - UTF-16。当我调试我的应用程序时，我看到它们都使用 CP1252 编码，尽管 wstring 在每个字母之间都有空字节。

您能否解释一下编码在 Java 和 C++ 中的行为方式以及我应该如何传达我的 2 个应用程序？

【问题讨论】：

对 Java 部分无能为力，但在 VC++ 中，尝试转到 Project->Properties->Configuration Properties->General->Character Set 并将值设为“Use Multi-Byte Character Set "

标签： java c++ unicode encoding utf-8

【解决方案1】：

UTF-8 每个字符的长度是可变的。普通字符通过每个字符使用更少的字节来占用更少的空间。更多不常见的字符占用更多空间，因为它们必须以更多字节编码。由于大部分是在美国发明的，猜猜哪些字符较短，哪些字符较长？

如果你想让 Sockets 工作，那么你必须让双方就编码达成一致。否则，你是在打一场失败的战斗。

【讨论】：

那会更容易吗？在 Java 中使用 CP1252 还是在 C++ 中使用 UTF-8？
首先，我认为 VC++ 应用程序在内存中使用什么编码并不重要，重要的是它通过 Socket 发送的内容。所以，问题是：将 Java 应用程序更改为发送 CP1252 更容易，还是将 VC++ 应用程序更改为发送 UTF-8 更容易。我更喜欢后者，因为我是 *nix 头，讨厌 Windows 的一切。但是，我认为这是完全基于我的仇恨的完整意见。

【解决方案2】：

java 做 utf-8 编码是不对的。你可以用 utf8 编写你的源代码，并用一些奇怪的属性符号来编译它（有时真的很烦人）。

字符串在java中的内部表示是utf-16(见What is the Java's internal represention for String? Modified UTF-8? UTF-16?)

【讨论】：

我说的是 someString.getBytes(Charset.defaultCharset());
@black 您在 Java 中的默认字符集可能是 UTF-8，但这取决于您的环境。 Java 可能在另一台机器上默认使用不同的东西。无论默认编码如何，您都可以使用 UTF-8 编码来避免这种不确定性。

【解决方案3】：

Unicode 是一个字符集，UTF-8 和 UTF-16 是 Unicode 的编码。对于英语（实际上是 ASCII）字符，UTF-8 产生与 CP1252 相同的值，而 UTF-16 添加一个零字节。当您想使用俄语（西里尔文）时，您可以使用 UTF-8、UTF-16 或 CP1251。但是两个应用程序必须就编码达成一致。

例如，如果您同意 UTF-8，以下将使用 UTF-8 将 Java String s 转换为字节数组：

byte[] b = s.getBytes("UTF-8");

然后：

outputStream.write(b);

将在套接字上发送数据。

【讨论】：