字符编码与序列化

字符编码

概述

• 在计算机世界中，它只能识别二进制数据，每一个二进制位（bit）有0和1两种状态。而为了方便应用计算机，让它可以处理各种信息，便将所有的信息最终都表示为一个二进制的字符串。而各个国家的信息的载体我们可以看作是文字，将各个国家的文字用一连串二进制数据来表示，并一一对应，形成一张表，这张表便是编码表。

• 而编码，就是制定一种规则，将字符映射到唯一一种状态(二进制字符串)。例如在ASCII编码中，字符 A 对应的二进制字符串为：01000001。

• 常见的字符编码如下图：

注意

• Unicode可以理解为全世界通用的编码表，这张表包含了可能出现的所有字符，每个字符对应一个数字，这个数字称为码点(Code Point)。注意它只是一个符号集，只规定的字符所对应的码点，并没有指定如何存储，如何进行存储有不同的编码方案。

• Unicode编码方案主要有两条主线：UCS和UTF。UTF主线由Unicode Consortium进行维护管理，UCS主线由ISO/IEC进行维护管理。

• Unicode码点转化为UTF-8编码的规则如下：

  • 对于单字节的符号，字节的第一位设为0，后面7位为这个符号的unicode码。因此对于英语字母，UTF-8编码和ASCII码是相同的。
  • 对于n字节的符号（n>1），第一个字节的前n位都设为1，第n+1位设为0，后面字节的前两位一律设为10。剩下的没有提及的二进制位，全部为这个符号的unicode码。如下：

  Unicode符号范围 (十六进制) (十进制)　     | 　　 UTF-8编码方式（二进制）
  ----------------------------------------------------------------------------------
  0000 0000-0000 007F (0-127)           | 　　 0xxxxxxx (兼容ASCII码)
  0000 0080-0000 07FF (128-2047)        | 　　 110xxxxx 10xxxxxx
  0000 0800-0000 FFFF (2048-65535)      | 　　 1110xxxx 10xxxxxx 10xxxxxx
  0001 0000-0010 FFFF (65536-1114111)   | 　　 11110xxx 10xxxxxx 10xxxxxx 10xxxxxx
  

序列化

概述

• 对象序列化机制是指把内存中的Java对象转换成与平台无关的二进制内容，本质上就是一个byte[]数组，进而将该二进制内容持久的保存在磁盘上或通过网络传输到远程；当其他程序获取到该二进制内容时，可以恢复为原来的Java对象。简单来说：

  • 序列化：将对象变为二进制内容，写入到IO流中；
  • 反序列化：从IO流获取到二进制内容，将其恢复为对象。

• 意义：序列化机制允许将实现序列化的Java对象转换为字节序列（也就是byte[]数组），这些字节序列可以保存在文件上，或通过网络传输，之后可以恢复成原来的对象。该机制使对象可以脱离程序的运行而独立存在。

• 注意：在网络上传输的对象都必须是可序列化的，比如RMI（remote method invoke,即远程方法调用），传入的参数或返回的对象都必须是可序列化的；同理，所有需要保存到磁盘的java对象都必须是可序列化的。

• 一个Java对象要能序列化，必须实现java.io.Serializable接口或者java.io.Externalizable接口之一。Serializable接口没有定义任何方法，是一个空接口。称为“标记接口”。一旦实现了此接口，该类的对象就是可序列化的。

  public interface Serializable {}
  

实现

• 序列化：用ObjectOutputStream类保存基本类型数据或对象的机制，把一个Java对象变为byte[]数组，它可以把一个Java对象写入一个字节流。
• 反序列化：用ObjectInputStream类读取基本类型数据或对象的机制，它从一个字节流读取Java对象。

注意

实现java.io.Serializable接口的对象

• 反序列化并不会调用构造方法。反序列的对象是由JVM自己生成的对象，不通过构造方法生成。

• 序列化同一对象多次，并不会将此对象序列化多次得到多个对象。

  • 因为保存在磁盘或文件中的对象都有一个序列化编码号；程序尝试序列化一个对象时，先检查该对象是否被序列化过，如果没有序列化，则将该对象序列化，如果已经序列化过，会直接输出该对象的序列化编码号。
  • 由于记录的是对象的序列化编码号。则当序列化一个可变对象后，也就是说更改了对象内容比如对象的名字由张三改为李四，再次序列化，并不会再次将更改后的对象转换为字节序列，也就是说再次序列化该对象时，通过反序列化得到的对象并非是更改后的李四，而是张三。

  

• static和transient修饰的成员变量在序列化时，会忽略掉该成员变量。

  • transient关键字不能修饰方法和类，只能修饰变量；被transient修饰的字段是默认值，该字段的生命周期仅存于调用者的内存中而不会写到磁盘里持久化。
  • 默认值取值 引用类型:null、基本类型:0、boolean类型:false。
  • 静态变量不能被序列化，反序列化后类中static型变的值为当前JVM中对应static变量的值，并不是反序列化得到的。

实现java.io.Externalizable接口的对象

• 必须实现接口中的两个方法writeExternal、readExternal实现自定义序列化；

• 就算类的变量被transient关键字修饰，依然可以序列化，Externalizable接口在反序列化时通过反射创建对象，因此该对象需要无参的构造方法。

总结

• 在使用转换流InputStreamReader 和OutputStreamWriter 时，会指定字符编码，不恰当的指定编码格式会造成乱码等问题，字符编码章节是对常见的编码方式进行的对比与整理。
• 在使用对象流ObjectInputStream和OjbectOutputSteam，会把Java中的对象写入到数据源中，也能把对象从数据源中还原回来。这就涉及到了对象序列化的相关知识点，序列化章节整理了序列化时常见问题与注意点。

欢迎关注
公众号三筒记简介：分享各种编程知识、excel相关技巧、读书笔记