Android Media 播放mp3时ID3 tag 显示乱码的探究分析。

我们从Windows的中文操作系统下，下载下来mp3，Tag正常显示，推进Android机后，却出现乱码，这是为什么呢？之所以在中文系统中没有特别的问题，是因为通常电脑生成的MP3简体中文ID3标签是ID3V2.3版本，编码是ANSI，GB2312/GBK从双字节上兼容ANSI标准。而在UTF-8/Unicode为标准的系统中如Linux（Ubuntu），Android中就容易出现这种问题。解决办法先明确几个知识点：首先明确一点，文件不存在什么编码（归根结底文件都是二进制文件，用ue打开可以看到都是一个个的16进制数），只有文件中的字符才可以说编码。unicode和ansi都是字符代码的一种表示形式。使用 2 个字节来代表一个字符的各种汉字延伸编码方式，称为 ANSI 编码。在简体中文系统下，ANSI 编码代表 GB2312 编码，在日文操作系统下，ANSI 编码代表 JIS 编码。不同 ANSI 编码之间互不兼容，当信息在国际间交流时，无法将属于两种语言的文字，存储在同一段 ANSI 编码的文本中。常见编码介绍ansi编码最初的计算机是又8个晶体管，通过晶体管的开合与排列可以表示数种状态，所以一个字节就定义为8bit，而一个bit只能有0，1开关的表示，2的8次方是256，所以最初的计算机只能表示256种状态。人们定义了前32个为状态字符比如翻页，换行，发出（嘟）的声音等，后来人们为了用计算机存储文字，又把空格，英文字母，数字等加进了进来，总共使用了127个，这时候大家把这个存储方案叫做ANSI的ASCII编码[American Standard Code for Information Interchange，美国信息互换标准代码]（http://www.dreamdu.com/xhtml/ascii/），这个表存储英文已经没有问题了，但是127个里并不包含其它欧洲国际的文字，人们又继续扩展ASCII表的内容，加入了一些字符，与一些画表格的符号，直接扩展到255个。ASCII和Ansi编码字符内码（charcter code）指的是用来代表字符的内码.读者在输入和存储文档时都要使用内码,内码分为单字节内码 -- Single-Byte character sets （SBCS）,可以支持256个字符编码. 双字节内码 -- Double-Byte character sets）（DBCS）,可以支持65000个字符编码. 前者即为ASCII编码，后者对应ANSI. 至于简体中文编码GB2312，实际上它是ANSI的一个代码页936GB2312与GBK国人发现只使用ASCII表根本无法表示汉字！怎么办？没有什么能难道我们！于是我们发明了GB2312编码，此编码完全忽略了ASCII表中 127位后面的内容，127位前面的内容保留，如果两个字节同时大于127（7F）就认为这两个字节表示一个汉字，同时像标点、字母也都重新使用两个字节定义了一遍，这就是我们经常说的全角，这种方案可以表示6000种文字。但是中国的文字太复杂6000个字也不够用，人们开始扩展GB2312，规定只要一个字节大于127，这个字节和后面的字节组合起来就代表一个汉字，这种编码成为GBK，于是又增加了20000多个汉字！这样很多国家都开始定义自己的编码了，日本，韩国等。甚至连中国的台湾省都定义了一种编码 BIG5。所以在当时一个程序要想适应多国语言简直要把人郁闷死。如果搞过Windows编程的人应该知道，win里面有多字节字符集MBCS（multi-byte character set）的说法，而且MBCS包含两种字符类型，单字节字符SBCS（single-byte characters set）和双字节字符（double-byte characters set）DBCS。我们的GBK与GB2312都是DBCS。所以我们在编程时经常遇到一个中文字符等于两个英文字符的事情。BIG5与日本韩国的编码也都属于DBCS。这下清楚了吧，根本没什么ansi文件或gb2312文件，文件打开时会根据操作系统的编码方式（就是安装在操作系统中的编码解析方式）来尝试打开文件，如果安装了中文编码，就把ansi文件当作中文打开，如果日文编码，就当作日文打开。UNICODE与UTF-8ISO最后提出了UNICODE（Universal Multiple-Octet Coded Character Set，简称 UCS）编码来解决所有的问题。UNICODE编码方式规定使用两个字节（16位）表示表示一个字符，算算2的16次方是多少？原来ANSI规定的都扩充为2字节，并且把所有已知的语言都编码进UNICODE。UNICODE可以表示65536个字符。这下多国语言程序开始高兴了，使用UNICODE全部搞定！于是微软重现编辑Windows内核，完全使用UNICODE编码，搞过win编程的人应该都知道，以A或W结尾的函数，还有灵巧的_T宏吧？虽然UNICODE有很多优点，但是缺点也不少，我先总结我知道的两点：1，狂占空间，以前一个字节可以表示，现在却要用两个字节了，网络上有80%属于英文字符，这下网络几乎要扩大一倍！所以又有人研究出来了UTF-8（Unicode Translation Format - 8）编码，UNICODE转换格式，对于常用字符使用单字节，汉字等使用双字节。8代表每次在网络上传输8位，如果是UTF-16就是每次传输16位。搞过网络编程的朋友应该知道，字节序（就是字节的排放顺序）分为两种，主机字节序与网络字节序，就是大头（俗称）在前，小头在前的问题，在网络上面传输的流的字节序很可能是不一致的，于是需要使用一种方法通知接收端，传输流的字节序。有人发明了一种简单的方法，在每个流的开始加上FFEF或EFFF，分别主机与网络字节序，我们可以使用记事本保存一个UNICODE文件，再使用ue打开看看（HEX方式打开）。所以有时候网页传到网上，在网页最开始的地方会出现一个字符，这个有时候很令人费解。用记事本新建立两个文件存为UNICODE与UNICODE big endian模式，输入梦之都，保存再用ue打开。UNICODEFF FE A6 68 4B 4E FD 90UNICODE big endianFE FF 68 A6 4E 4B 90 FD （观察，没两个字节和上面的对比）2，UNICODE与GBK等两字节编码完全不兼容，无法找到一种简单的方式转换（只能使用查找表的方式）这点我们可以使用记事本新建立两个文件一个ansi的文件，另一个utf8的文件，分别写入梦之都，保存。使用ue的hex模式打开我们会看到。UNICODEFF FE A6 68 4B 4E FD 90ansiC3 CE D6 AE B6 BC很著名的问题，如果用记事本输入“联通”保存，再打开，发现“联通”两个字没了！为什么没有了，大家可以自己分析一下。有人说这就是联通竞争不过移动的原因。清楚了这些，那么我想，必须先判断出是什么国家文字的歌曲，再用什么方式去解ANSI标准码，最后转换成utf-8显示。概括一句话：让utf-8正确解析双字节的ANSI。Ubuntu自动启动命令写法例子很全的笔记：Linux下字符编码转换相关资讯 Android教程

Android 4.1+通过USB 连接Ubuntu进（02/07/2013 08:44:43）
Android下使用最新FaceBook SDK 3. （02/06/2013 16:13:37）
Android JNI 自定义对象为参数和返（11/26/2012 19:04:48）

Android 获取手机应用信息（02/06/2013 16:21:20）
Android设置Activity的显示位置（02/01/2013 13:16:36）
Android中实现下拉刷新（11/19/2012 15:26:23）

本文评论查看全部评论（0）