字符编码
文件的编码
编码
概念：规定每个“字符”采用一个字节还是多个字节来存储以及用哪些字节来存储。（通俗的说就是把“字符”转化成“字节”）
扫盲区：
- 位：(bit)
- 这里说的位就是指的二进制位了，也就是说的0或者1。他们都可以表示一位
- 字节：(byte)
- 计算机存储数据的一个单位
- 组成：由8个0或1组成也就是我们所谓的一个byte（字节）
- 实际上在Java中，byte就是一个0-255之间的整数
- 举个栗子：0x01, 0x45, 0xFA,.....
- 字符：
- 人们所使用的记号，抽象意义上的一个符号。
- 通俗的说就是我们平时看到的一切字母、符号、中文、法文、日文等等。c是个字符、中也是个字符。
- 一个字符的大小（也就是其所占的二进制位）是由编码规则决定的，
- 举个栗子：1', '中', 'a', '$', '￥', ……
要知道的：在计算机内部采用的是二进制进行存储，但是作为人呢，自然有自己的语言。因此为了让计算机能够看能我们的语言，就要采用一定的编码然后在发给计算机；计算机如果想要将信息呈现给我们看就要进行相应的解码。
- 字符-->字节（编码）encode
- 字节-->字符（解码）decode
字符集
定义： 将我们使用的字母、汉字、符号收入标准中；相当于一本大字典，这个字典里面有常用的字符相对应的二进制码。
“字符集”和“编码”一般都是同时制定的。因此，平常我们所说的“字符集”，比如：ISO-8859-1、UTF-8、GB2312, GBK, JIS 等，除了有“字符的集合”这层含义外，同时也包含了“编码”的含义。
| 编码格式 | 英文字符（所占字节数） | 汉字（所占字节数） |
|---|---|---|
| ISO-8859-1 | 1 | 1 |
| ASCII | 1 | 2 |
| GBK | 1 | 2 |
| GB2312 | 1 | 2 |
| UTF-8 | 1 | 3/4 |
| UTF-16 | 4 | 2/4 |
字符编码发展
| 系统内码 | 编码标准 | 说明 | 系统 | |
|---|---|---|---|---|
| 阶段一 | ASII | ISO-8859-1 | 胚胎级别的编码方式（最原始的啦）只支持英语，其它语言不能够在计算机上存储和显示 | DOS |
| 阶段二 | ANSI | GB2312，GBK, JISGB2312,BIG5,Shift_JIS, | 为使计算机支持更多语言，通常使用 0x80~0xFF 范围的 2 个字节来表示 1 个字符。比如：汉字 '中' 在中文操作系统中，使用 [0xD6,0xD0] 这两个字节存储。不同的国家和地区制定了不同的标准，由此产生了等各自的编码标准。这些使用 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 | 中文 DOS，中文 Windows 95/98，日文 Windows 95/98 |
| 阶段三 | UNICODE（国际化） | UTF-8,UTF-16, UnicodeBig …… | 为了使国际间信息交流更加方便，国际组织制定了 UNICODE 字符集，为各种语言中的每一个字符设定了统一并且唯一的数字编号，以满足跨语言、跨平台进行文本转换、处理的要求。 | Windows NT/2000/XP，Linux，Java |
常用的字符编码简介
-
ASCII（1字母1字节占8位）
问题：计算机只识别0或1，不识别符号
解决：既然不识别那就造一个”字典“给翻译成二进制代码。由于这个法子是美国人想到的所以计算机刚开始只支持英语，其它语言不能够在计算机上存储和显示。一个字母需要一个字节表示，也就是说占8位。这样的话有256种0和1的组合方式，可以表示256个不同的字母。对于，英文而言就绰绰有余了。
-
GB2312（1字母1字节；1汉字2字节）
问题：显然，美国人在设计ASCII码的时候没有考虑到遥远的东方，存在博大精深的文化。新华字典里面的汉字有多少个？显然256是远远不够的！那平方呢？65535？够了吧？还不够？
解决：于是就发明了GB2312这些汉字编码，典型的用2个字节来表示绝大部分的常用汉字,英文还是和ASCII保持一致占一个字节。
-
UNICODE（1字符多字节取决于编码格式）
问题：这下各用各的字符集编码，这世界咋统一？俄国人发封email给中国人，两边字符集编码不同，尼玛显示都是乱码啊。
解决：于是就发明了unicode，将世界上所有的符号都纳入其中，每一个符号都给予一个独一无二的编码，现在unicode可以容纳100多万个符号，每个符号的编码都不一样，这下可统一了，所有语言都可以互通，一个网页页面里可以同时显示各国文字。
这里就说到一个网络上经常出现的一个问题，UNICODE编码里面，一个汉字占几位的问题。很多老程序员会这么说：“一个汉字占两个字节！其实，很多时候，汉字占几个自己完全取决于编码格式。编码格式也不难写，因此对于汉字的编码有多种说法：ubuntu12.04里面一个汉字是三个字节！就是说，在unicode编码下，一个汉字可能是2个字节，也可能是3个或者是4个字节。“UNICODE 字符集”包含了各种语言中使用到的所有“字符”。用来给 UNICODE 字符集编码的标准有很多种，比如：UTF-8, UTF-7, UTF-16, UnicodeLittle, UnicodeBig 等。
-
utf8（1字母1字节；1汉字1-4字节）
问题：unicode虽然统一了全世界字符的二进制编码，但没有规定如何存储啊，亲。x86和amd体系结构的电脑小端序和大端序都分不清，别提计算机如何识别到底是unicode还是acsii了。如果Unicode统一规定，每个符号用三个或四个字节表示，那么每个英文字母前都必然有二到三个字节是0，文本文件的大小会因此大出二三倍，这对于存储来说是极大的浪费。这样导致一个后果：出现了Unicode的多种存储方式。
解决：即UTF-8不是固定字长编码的，而是一种变长的编码方式。它可以使用1~4个字节表示一个符号(注意”符号“中英文都有可能)，根据不同的符号而变化字节长度。这是种比较巧妙的设计，如果一个字节的第一位是0，则这个字节单独就是一个字符；如果第一位是1，则连续有多少个1，就表示当前字符占用多少个字节。因此在utf8编码格式下，英文字母占一个字节，和ascii完全相同。汉字或者是其他字符占1-4个字节。
练习
/**
*
*@描述：字符的编码（字符-->字节）
* @param args
* @throws UnsupportedEncodingException
*/
public static void main(String[] args) throws UnsupportedEncodingException {
String msg = "相信自己";
//默认的是使用工程的编码格式
byte[] datas = msg.getBytes();
System.out.println(datas.length);
//将msg按照指定的字符集进行编码
byte[] datas1 = null;
datas1 = msg.getBytes("UTF-8");
System.out.println(datas1.length);
}
/**
*
* @描述：解码（字节-->字符）
*
* String(byte[] bytes)
通过使用平台的默认字符集解码指定的字节数组来构造新的 String 。
String(byte[] bytes, Charset charset)
构造一个新的String由指定用指定的字节的数组解码charset 。
String(byte[] bytes, int offset, int length)
通过使用平台的默认字符集解码指定的字节子阵列来构造新的 String 。
String(byte[] bytes, int offset, int length, Charset charset)
构造一个新的String通过使用指定的指定字节子阵列解码charset 。
String(byte[] bytes, int offset, int length, String charsetName)
构造一个新的 String通过使用指定的字符集解码指定的字节子阵列。
String(byte[] bytes, String charsetName)
构造一个新的String由指定用指定的字节的数组解码charset 。
*/
public class contentDecode {
public static void main(String[] args) throws UnsupportedEncodingException {
String msg = "相信自己！";
//使用utf-8进行编码
byte[] datas = msg.getBytes("utf-8");
System.out.println("utf-8编码后的结果："+datas);
//使用utf-8进行解码
String info = new String(datas,"utf-8");
System.out.println("utf-8解码后的结果："+info);
String info1 = new String(datas,"iso-8859-1");
System.out.println("iso-8859-1解码后的结果："+info1);
System.out.println(datas.length);
String info2 = new String(datas,0,datas.length-3,"utf-8");
System.out.println(info2);
}
}
