java 判断字符串内容是utf-8还是utf8mb4

判断字符串内容是UTF-8还是UTF8MB4的方法

概述

在Java中，判断字符串内容是UTF-8还是UTF8MB4可以通过检查字符编码范围来实现。UTF-8使用1到4个字节表示一个字符，而UTF8MB4使用1到4个字节表示一个字符。下面将介绍整个流程和每一步需要做的事情。

流程

代码实现

步骤1：将字符串转换为字节数组

String str = "要判断的字符串";
byte[] bytes = str.getBytes();

上述代码使用getBytes()方法将字符串转换为字节数组。这里不需要指定字符编码，因为getBytes()方法将使用默认的字符编码。

步骤2：根据字节数组的长度判断编码类型

int length = bytes.length;
String encoding;
if (length == str.length()) {
    encoding = "UTF-8";
} else {
    encoding = "UTF8MB4";
}

通过比较字节数组的长度和原字符串的长度，可以判断编码类型。如果相等，则为UTF-8编码；否则为UTF8MB4编码。

步骤3：判断每个字节的编码范围

boolean isUTF8 = true;
for (int i = 0; i < length; i++) {
    byte b = bytes[i];
    if (isUTF8) {
        if ((b & 0b10000000) == 0b00000000) {
            // 1字节编码范围：0xxxxxxx
            continue;
        } else if ((b & 0b11100000) == 0b11000000) {
            // 2字节编码范围：110xxxxx 10xxxxxx
            i++;
            if (i >= length || (bytes[i] & 0b11000000) != 0b10000000) {
                isUTF8 = false;
                break;
            }
        } else if ((b & 0b11110000) == 0b11100000) {
            // 3字节编码范围：1110xxxx 10xxxxxx 10xxxxxx
            for (int j = 0; j < 2; j++) {
                i++;
                if (i >= length || (bytes[i] & 0b11000000) != 0b10000000) {
                    isUTF8 = false;
                    break;
                }
            }
        } else if ((b & 0b11111000) == 0b11110000) {
            // 4字节编码范围：11110xxx 10xxxxxx 10xxxxxx 10xxxxxx
            for (int j = 0; j < 3; j++) {
                i++;
                if (i >= length || (bytes[i] & 0b11000000) != 0b10000000) {
                    isUTF8 = false;
                    break;
                }
            }
        } else {
            isUTF8 = false;
            break;
        }
    } else {
        break;
    }
}

上述代码使用位运算判断每个字节的编码范围是否符合UTF-8的规则。根据UTF-8编码的规范，不同字节的开头会有不同的标志位。根据标志位的值，可以确定每个字节的编码范围。

步骤4：根据编码范围确定编码类型

if (isUTF8) {
    encoding = "UTF-8";
} else {
    encoding = "UTF8MB4";
}
System.out.println("字符串编码类型：" + encoding);

根据判断结果，将编码类型赋值给encoding变量。最后输出字符串的编码类型。

总结

通过上述步骤，我们可以判断字符串内容是UTF-8还是UTF8MB4编码类型。首先将字符串转换为字节数组，然后根据字节数组的长度判断编码类型。接着，我们逐个字节判断编码