Test146 캐릭터 셋(Character Set)

■ 캐릭터 셋(Character Set)
   
   ○ 유니코드(unicode)
      
  국제 표준으로 제정된 2바이트계의 만국 공통의 국제 문자부호 체계(UCS: Universal Code System)를 말한다.

애플컴퓨터, IBM, 마이크로소프트 등이 컨소시엄으로 설립한 유니코드가 1990년에 첫 버전을 발표하였고, ISO/IEC JTC1에서 1995년 9월 국제표준으로 제정하였다.

  데이터의 교환을 원활하게 하기 위해 문자 1개에 부여되는 값을 16비트로 통일하였다.

코드의 1문자 당 영어는 7비트, 비영어는 8비트, 한글이나 일본어는 16비트의 값을 가지게 되는데 이들을 모두 16비트로 통일한 것이다.

   ○ UTF-8 과 UTF-16
  
  UTF-8 과 UTF-16 의 차이를 한 마디로 말하면 문자를 표현할 때의 단위가 다르다는 것이다. UTF-8 은 8비트 가변장 멀티바이트에서 문자를 표현하고 UTF-16 은 16비트 가변장 멀티바이트에서 문자를 표현한다.

  - UTF-8(8Bit UCS Transformation Format)
    

  웹에서 기본적으로 사용하는 코드 UCS-2 로 정의되는 문자 집합을 이용하여 기술된 문자열을 바이트 열로 변환하는 방식의 1개 1문자를 1~6바이트 가변장 멀티바이트로 변환한다.

      - UTF-16(16Bit UCS Transformation Format)

  자바의 기본 코드이다.
자바에서는 문자 하나를 저장하면 바이트 수는 영문자이든, 한글문자이든 2바이트를 차지하게 된다.
UCS-2로 정의되는 문자 집합을 이용하여 기술된 문자열에 UCS-4의 일부 문자를 채워넣기 위한 인코딩 방식.
UTF-8과 병용할 수 있다. UCS-2로 이용할 수 있는 문자수를 대폭 늘릴 수 있다.
   ※ 자바단에서는 UTF-16을 사용하고 웹에서는 UTF-8을 사용하기 때문에 경우에 따라 변환해야 하는 상황이 발생할 수 있다.


■ 문자 코드의 종류

   ○ KSC5601
      한글 완성형 표준(한글 2,350자 표현).
  한국공업표준 정보처리분야(C)의 5601번 표준안.

   ○ KSC5636
      영문자에 대한 표준.
  한국공업표준 정보처리분야(C)의 5636번 표쥰안.
  기존 ASCII Code 에서 역슬래스(\)를 원(￦) 표시로 대체.

   ○ EUC-KR(MS949)
      Bell-Laboratories 에서 유닉스 상에서 영문자 이외의 문자를
  지원하기 위해 제안한 확장 유니코드(Extend Unix Code) 중 한글 인코딩 방식.
  영문은 KSC5636으로 처리하고, 한글은 KSC5601로 처리.
  즉, EUC-KR(MS949) = KSC5636 + KSC5601

   ○ UTF-8
      영문과 숫자는 1바이트, 한글은 3바이트로 표현.
  (웹에서 많이 사용. UTF-8 형식으로 JSP를 작성할 때에는 파일도 UTF-8 형식으로 저장해야 한다.)

   ○ UTF-16
      자바 기본 문자 코드
  영문과 숫자는 1바이트, 한글은 2바이트로 표현

   ○ ISO-8859-1
      서유럽 언어 표기에 필요한 US-ASCII 에 없는 94개의 글자의 순차적 나열.

---

import java.io.UnsupportedEncodingException;

public class Test146
{
	public static void main(String[] args) //throws UnsupportedEncodingException
	{
		byte[] buf;
		String name = new String("윤홍준");

		System.out.println("디폴트 캐릭터셋 : " + System.getProperty("file.encoding"));
		//--==>> 디폴트 캐릭터셋 : MS949
		
		
		// 『String객체.getBytes()』
		//  : 디폴트 캐릭터셋으로 바이트 배열을 반환하는 메소드
		buf = name.getBytes();
		
		System.out.println("Length : " + buf.length);
		//--==>> Length : 6


		for (byte b : buf)
			System.out.println("[" + b + "]");
		System.out.println();
		//--==>> [-64]
		//		 [-79]
		//		 [-56]
		//		 [-85]
		//		 [-63]
		//		 [-40]


		try
		{
			// "utf-8"로 바이트 배열을 반환하는 메소드 호출
			buf = name.getBytes("utf-8");
			
			System.out.println("Length : " + buf.length);
			//--==>> Length : 9
			
			for (byte b : buf)
				System.out.println("[" + b + "]");
			System.out.println();
			//--==>> Length : 9
			//		 [-20]
			//		 [-100]
			//		 [-92]
			//		 [-19]
			//		 [-103]
			//		 [-115]
			//		 [-20]
			//		 [-92]
			//		 [-128]

			//new String("김승범");

			//new String(바이트배열, 인코딩방식);

			//new String(buf, "utf-8");
			
			// utf-8 형태로 저장된 바이트 배열
			// String 객체로 파라미터값 『utf-8』을 부여하여 생성
			// → utf-8 기반으로 buf 바이트 배열을 조립하여
			//    문자열 객체 생성한 후 이를 출력
			System.out.println("Value : " + new String(buf, "utf-8"));
			//--==>> Value : 윤홍준

			// utf-8 형태로 저장된 바이트 배열(→ buf)을
			// String 객체로 파라미터값 없이(→ 디폴트 캐릭터 셋)을 부여하여 생성
			System.out.println("Value2 : " + new String(buf));
			//								 ---------------
			//								 new String(buf, MS949);
			//                                               -----
			//                                               시스템이 사용중인 default character set
			

			System.out.println();
			String convert = new String(name.getBytes("euc-kr"), "utf-8");


			System.out.println("Value3 : " + convert);
			//--==>> Value3 : ????

			buf = convert.getBytes();
			System.out.println("Length : " + buf.length);
			//--==>> Length : 5

			buf = convert.getBytes("utf-8");
			System.out.println("Length : " + buf.length);
			//--==>> Length : 14

			/*
			※ check~!!!
			   
			   euc-kr을 utf-8로 변환하겠다는 의도로
			   위와 같이 코딩을 해버리면...
			   (→ 『new String(name.getBytes("euc-kr), "utf-8");』)
			   이러한 변환으로 인해 바이트 배열이 깨져서
			   euc-kr 이든... utf-8이든...
			   어떠한 바이트 배열로 읽어오든
			   깨져있는 것을 확인할 수 있다.
			
			*/
			

		}
		catch (UnsupportedEncodingException e)
		{
			System.out.println(e.toString());
		}

	}
}