IBM Java Toolbox for i 实现Java Unicode与IBM i EBCDIC编码转换(上)

Body

字符编码问题是一个老生长谈的话题。对于从事IBM i平台相关工作的人来说，这一点尤为明显。究其原因，是因为IBM i采用的是特有的EBCDIC字符编码。而其他平台如Windows/AIX使用的是以ASCII为中心的字符编码及其扩展编码体系。为兼容各种字符，Java采用的是Unicode字符编码。作为一种面向对象的编程模型，IBM Java Toolbox for i内置有Java Unicode与IBM i EBCDIC之间的字符编码转换功能。本文的目的则是帮助读者如何正确使用IBM Java Toolbox for i提供的相关变换字符编码转换类，实现Java应用程序对IBM i数据与资源的访问，而无需担心字符编码转换问题。有关IBM Java Toolbox for i的基础知识，请参见另一篇技术文档“Toolbox for Java 和 JTOpen”。

从结构上，本文主要分为3部分。第一部分主要介绍编码相关的基础知识，包括ASCII，GB2312，GBK，Unicode，EBCDIC编码。第二部分介绍的是IBM Java Toolbox for i提供了IBM i的EBCDIC编码与Java的Unicode编码之间的编码转换类，包括数值、字符串、日期、数组、结构等类型。最后一部分是总结。

常见的字符编码

在介绍IBM Java Toolbox for i相关的编码转换API之前，我们先来了解一下常见的几种字符编码。

l         ASCII（American Standard Code for Information Interchange）：最初针对英语设计，共计127个字符。由于拉丁，希腊语等需求。作为ASCII编码的扩展，ISO8859-1的低127个字符与ASCII一样，128-255用作拉丁字符。一共是8位，刚好一个字节。

l         GB2312（信息交换用汉字编码字符集——基本集）：由于中文字符较多，ASCII以及ISO8859-1无法满足要求。借鉴ISO8859-1的经验，利用双字节来表示汉字。低位的0-127均为ASCII保留，高位用作汉字，共计6768个汉字。

l         GBK（信息交换用汉字编码字符集——扩展集）：是GB2312的扩展，双字节，能表示21003 个汉字。GB2312通常表示中文简体，而GBK则兼容中文繁体。

l         Unicode（Universal Character Set）：可变长编码（UTF-8，UTF-16，UTF-32），兼容ASCII码。Unicode编码的设计目标是兼容世界所有的文字与符号。Java采用的编码为Unicode。

l         EBCDIC（Extended Binary Coded Decimal Interchange Code）：IBM针对早期打孔机式的二进化十进数(BCD, Binary Coded Decimal)排列而成的特有编码。

l         CCSID（Coded Character Set Identifier）： 相当于ASCII编码体系的代码页（Code Page）。不同的CCSID值对应的不同的字符表。

针对EBCDIC编码体系，CCSID为37表示的是英文字符表，单字节，256个字符（包括英语字母，数字和一些特殊字符），如图1所示。而CCSID为935表示的是简体中文字符集，双字节，因此分视为两个字符表，低字节对应CCSID为836的字符表，高字节对应CCSID为837的字符表。

图1. 使用EBCDIC编码的英语（CCSID=37）字符表

通过与ASCII的对比，我们发现，不同于ASCII编码的字母排列顺序，EBCDIC编码的英文字母不是连续地排列，中间出现多次断续，比如字母从‘a’ 到‘i’对应的编码为0x81至 0x89，而字母从‘j’到‘r’则使用0x91至0x99表示。究其原因，主要与EBCDIC编码针对早期打孔机式的设计思想有关。

为方便读者更好理解EBCDIC编码，我们给出示例, 如图2所示。这里采用CCSID为935的字符编码表，对应的是简体中文字符集。我们需要编码的字符序列为“我来自IBM”，对应的Unicode编码为：

62 11 67 65 81 EA 00 49 00 42 00 4D

通过查询CCSID为935的字符编码表，对应的编码为：

57 D1 50 B3 5C 74 C9 C2 D4

图2. EBCDIC编码举例

  从面向对象程序设计的角度，IBM Java Toolbox for i所支持数据转换类的主要目标是实现IBM i数据类型与Java数据类型之间的转换。换句话说，是Unicode与EBCDIC编码之间的转换。

接下来，我们分别从数值、字符串、日期、数组、结构等数据类型的角度，具体介绍如何使用IBM Java Toolbox for i提供的数据转换类，实现Unicode与EBCDIC编码之间的代码互换。与此同时，我们也会演示IBM Java Toolbox for i相关的代码，验证上述字符序列“我来自IBM”与CCSID为935的EBCDIC编码“57 D1 50 B3 5C 74 C9 C2 D4”是否匹配。

作者：皮光明