URL Decode 的实现原理
Unicode 与 UTF
- Unicode 类似于一本字典，襄括世界上的绝大部分语言中的字符，即解决了字符的编码方式
- 但 Unicode 可能用 2 个字节或 4 个字节对字符进行编码，对于一些本可用较少存储空间的字符（如单字节字符），以及历史字符集的兼容（如 ASCII 先于 Unicode 产生），则需要设计单独的实现方式加以处理，由此产生 Unicode 转换格式（Unicode Transformation Format, UTF），如 UTF-8, GBK, GB2312, BIG5, UTF-16
Unicode 和 UTF-8 之间的转换关系表
| 字节序列 | Unicode 十六进制码点范围 | UTF-8 二进制 | |||
|---|---|---|---|---|---|
| Byte 4 | Byte 3 | Byte 2 | Byte 1 | ||
| 1 | 0000 0000 - 0000 007F | 0xxxxxxx | |||
| 2 | 0000 0080 - 0000 07FF | 110xxxxx | 10xxxxxx | ||
| 3 | 0000 0800 - 0000 FFFF | 1110xxxx | 10xxxxxx | 10xxxxxx | |
| 4 | 0001 0000 - 0010 FFFF | 11110xxx | 10xxxxxx | 10xxxxxx | 10xxxxxx |
System.out.println((char)0x6c49); // 汉
Unicode 和 UTF-16 转换算法
UTF-16 组成
-
基本平面： U+0000~U+FFFF
- U+0000~U+D7FF
- U+D800~U+DFFF：空段，用于映射辅助平面上的字符
- U+D800~U+DBFF：高位
- U+DC00~U+DFFF：低位
- U+E000~U+FFFF
-
辅助平面：U+ 010000~ U+10FFFF
UTF-16 解码
-
高位：
((unicode 值 - 0x10000) >> 10) + 0xD800 -
低位：
((unicode 值 - 0x10000) % 0x400) + 0xDC00
| 高位\低位 | 0xDC00 | 0xDC01 | … | 0xDFFF |
|---|---|---|---|---|
| 0xD800 | 10000 | 10001 | … | 103FF |
| 0xD801 | 10400 | 10401 | … | 107FF |
| … | … | … | … | … |
| 0xD8FF | 10FC00 | 10FC01 | … | 10FFFF |
System.out.println(new String(new char[]{(char)55356, (char)56324})); //