有一個學員問了一個關于 Unicode 字符編碼的奇怪問題。

問題如下：

String strChina = " 中國 ";

（ 1 ）直接把每個字符中的內容對應著的整數打印出來，顯示的結果就是這個字符的 Unicode 碼，則下面的代碼：

for(int i=0; i<strChina.length(); i++)

{

System.out.println(Integer.toHexString((int)strChina.charAt(i)));

}

打印出的結果是：

4e2d

56fd

（ 2 ）下面的代碼：

byte [] buf = strChina.getBytes("Unicode");

for(int i=0; i<buf.length; i++)

{

System.out.println(Integer.toHexString(buf[i]));

}

打印出的結果是：

ffffffff

fffffffe

2d

4e

fffffffd

56

打印出的“ ffffffff ”和“ fffffffe ”表示什么？“ 2d ”和“ 4e ”為什么和直接打印的結果是相反的？

回答如下：

在不同體系結構的計算機系統中， UTF-16 編碼的 Unicode 字符在內存中的字節存儲順序是不同的。使用 Intel CPU 的計算機中，一個多字節數據在內存中的存儲形式通常是：低字節在前，高字節在后，這種方式稱為 Little-Endian （最不重要的字節在先）。但是，在使用其他 CPU 的一些計算機中，又是以高字節在前，低字節在后的方式存儲多字節數據的，這種方式稱為 Big-Endian （最重要的字節在先）。對于 0x1234 這樣一個雙字節數據，使用 Little-Endian 和 Big-Endian 兩種方式在內存中存儲的格式如圖 7.4 所示。

<shapetype id="_x0000_t75" coordsize="21600,21600" o:spt="75" o:preferrelative="t" path="m@4@5l@4@11@9@11@9@5xe" filled="f" stroked="f"><stroke joinstyle="miter"></stroke><formulas><f eqn="if lineDrawn pixelLineWidth 0"></f><f eqn="sum @0 1 0"></f><f eqn="sum 0 0 @1"></f><f eqn="prod @2 1 2"></f><f eqn="prod @3 21600 pixelWidth"></f><f eqn="prod @3 21600 pixelHeight"></f><f eqn="sum @0 0 1"></f><f eqn="prod @6 1 2"></f><f eqn="prod @7 21600 pixelWidth"></f><f eqn="sum @8 21600 0"></f><f eqn="prod @7 21600 pixelHeight"></f><f eqn="sum @10 21600 0"></f></formulas><path o:extrusionok="f" gradientshapeok="t" o:connecttype="rect"></path><lock v:ext="edit" aspectratio="t"></lock></shapetype><shape id="_x0000_i1025" style="WIDTH: 285.75pt; HEIGHT: 164.25pt" type="#_x0000_t75"><imagedata src="file:///C:%5CDOCUME~1%5Cflx%5CLOCALS~1%5CTemp%5Cmsohtml1%5C01%5Cclip_image001.png" o:title=""></imagedata></shape>

對于采用 UTF-16 編碼的文件，通常都要用字節順序標記（ Byte Order Mark ，簡稱 BOM ）來說明文件中的字符所使用的字節存儲順序。如果文件以 0xFE 0xFF 這兩個字節開頭，則表明文本的其余部分是 Big-Endian 的 UTF-16 編碼；如果文件以 0xFF 0xFE 這兩個字節開頭，則表明文本的其余部分是 Little-Endian 的 UTF-16 編碼；如果文件開頭沒有使用任何字節順序標記，則暗指全部文本都是 Big-Endian 的 UTF-16 編碼。

“ ffffffff ”和“ fffffffe ”實際上是 0xff 和 0xfe 的兩個字節，把他們當作整數打印時，就成了 4 個字節， 由于 0xfe 的 最高 bi t 位是 1 ，當它轉成 4 字節的整數時，前面 3 個字節的所有 bit 位都補 1, 結果就成了 0xfffffffe 。前面打印出：

ffffffff

fffffffe

2d

4e

fffffffd

56

實際上是：

ff

fe

2d

4e

fd

56

前兩個字節是在說字節存儲順序！

一個關于Unicode字符編碼的奇怪問題