Project: Flume-Hive
/**
 * Licensed to Cloudera, Inc. under one 
 * or more contributor license agreements.  See the NOTICE file 
 * distributed with this work for additional information 
 * regarding copyright ownership.  Cloudera, Inc. licenses this file 
 * to you under the Apache License, Version 2.0 (the 
 * "License"); you may not use this file except in compliance 
 * with the License.  You may obtain a copy of the License at 
 * 
 *     http://www.apache.org/licenses/LICENSE-2.0 
 * 
 * Unless required by applicable law or agreed to in writing, software 
 * distributed under the License is distributed on an "AS IS" BASIS, 
 * WITHOUT WARRANTIES OR CONDITIONS OF ANY KIND, either express or implied. 
 * See the License for the specific language governing permissions and 
 * limitations under the License. 
 */
package com.cloudera.util; 
 
import java.nio.charset.Charset; 
import java.util.Arrays; 
 
import org.junit.Assert; 
import org.junit.Test; 
 
/**
 * Experiments to see how different charsets work. 
 */ 
public class TestCharset  { 
 
  // Wow, hudson defaults to US-ASCII! 
  @Test 
  public void testDefaultCharset() { 
    System.out.println("Default: " + Charset.defaultCharset()); 
 
    String charset = Charset.defaultCharset().displayName(); 
    System.out.println(charset); 
    // Ubuntu: assertEquals("UTF-8", charset); // ubuntu 
    // Hudson : assertEquals("US-ASCII", charset); // hudson 
  } 
 
  @Test 
  public void testDumpCharsets() { 
    System.out.println("== charsets"); 
    for (String s : Charset.availableCharsets().keySet()) { 
      System.out.println(s); 
    } 
  } 
 
  public byte[] allbytes() { 
    byte[] b = new byte[256]; 
    for (int i = 0; i < 256; i++) { 
      b[i] = (byte) i; 
    } 
    return b; 
  } 
 
  public String dumpHex(byte[] b) { 
    StringBuilder s = new StringBuilder(); 
    for (int i = 0; i < b.length; i++) { 
      s.append(String.format("%02x ", b[i])); 
    } 
    return s.toString(); 
  } 
 
  /**
   * Basically, ISO-8859-1 is "raw" -- to and from, one byte to one char 
   */ 
  @Test 
  public void testDefaultStringCharset() { 
    byte[] all = allbytes(); 
    String auto = new String(all); 
    String utf8 = new String(all, Charset.forName("UTF-8")); 
    String ascii = new String(all, Charset.forName("US-ASCII")); 
    String latin1 = new String(all, Charset.forName("ISO-8859-1")); 
 
    System.out.printf("lengths: auto: %d utf8: %d ascii: %d latin1: %d\n", auto 
        .length(), utf8.length(), ascii.length(), latin1.length()); 
    System.out.printf("bytelen: auto: %d utf8: %d ascii: %d latin1: %d\n", auto 
        .getBytes().length, utf8.getBytes(Charset.forName("UTF-8")).length, 
        ascii.getBytes(Charset.forName("US-ASCII")).length, latin1 
            .getBytes(Charset.forName("ISO-8859-1")).length); 
    System.out.printf("original : %s\n", dumpHex(all)); 
    System.out.printf("auto     : %s\n", dumpHex(auto.getBytes())); 
    System.out.printf("utf-8    : %s\n", dumpHex(utf8.getBytes(Charset 
        .forName("UTF-8")))); 
    System.out.printf("ascii    : %s\n", dumpHex(ascii.getBytes(Charset 
        .forName("US-ASCII")))); 
    System.out.printf("latin1   : %s\n", dumpHex(latin1.getBytes(Charset 
        .forName("ISO-8859-1")))); 
 
    Assert.assertTrue(Arrays.equals(all, latin1 
        .getBytes(Charset.forName("ISO-8859-1")))); 
  } 
}