utf8与utf16编码与java读取

参考网上的文章。

具体就不说了。就说我的经验。

1.对于中文来说utf8通常是3个字节存储。而utf16是2个字节存储，所以如果中文多的话还是utf16比较经济。而英文utf8是一个字节存储，所以如果英文多的话utf8比较经济。

2.java读取utf16比较简单，因为所有的字符都是两个字节的。

3. UTF16分为BE和LE，用iconv转换的-t UTF-16默认是UTF-16BE,java里面转换的时候也是"UTF-16"等同于"UTF-16BE"。Windows里面notepad里面的unicode是LE，unicode big endian是BE。

4. Java读取UTF-16BE的一小段代码。

public String read_UTF16BE(String resource, int start, int end) {

byte word_utf[] = new byte[1024];

String strReturn = "";

InputStream is;

int iRead = 0;

int maxLen = end - start;

int leftRead = maxLen;

int loopRead = 0;

try {

//System.out.println("Get file name " + resource);

is = getClass().getResourceAsStream(resource);

is.skip(start); //jump to start position

//loop to read file

do{

loopRead = leftRead > 1024?1024:leftRead;

iRead = is.read(word_utf, 0, loopRead );

//System.out.println("iRead " + iRead);

if(iRead <= 0){ //no more data in file, end of read

break;

}

String tmp = new String(word_utf, 0, iRead, "UTF-16BE");

strReturn = strReturn + tmp;

leftRead = leftRead - loopRead;

if(leftRead <= 0){ //no data left, end of read

break;

}

}while(iRead == 1024);

is.close();

} catch (IOException ex) {

System.out.println(ex);

}

return strReturn;

}