关于编码的一个笔记
| 类型 | 字节长度 | 能存多少 |
|---|---|---|
| byte | 0~255 | 256 |
| short | 2 byte | 65536 |
| int | 4 byte | 42亿 |
| long | 8 byte | |
| float | 4 byte | |
| double | 8 byte | |
| char | 2 byte in Java |
Unicode 用 int 存储
但是，Unicode用四个字节，太过浪费
码点 : 每个数字代表一个字符，叫做“码点”（code point）
内码和外码：
- 内码（internal encoding）：某种语言运行时，其char和string在内存中的编码方式
JVM中内码采用utf-16。早期，utf-16采用固定长度2字节的方式编码，两个字节可以表示65536种符号，足以表示当时unicode中所有字符。但是随着unicode中字符的增加，2个字节无法表示所有的字符，utf-16采用了2字节或4字节的方式来完成编码。Java为应对这种情况，考虑到向前兼容的要求，Java用一对char来表示那些需要4字节的字符。所以，java中的char是占用两个字节，只不过有些字符需要两个char来表示。
- 外码（external encoding））：除了内码，皆是外码
源代码编译产生的目标代码文件（可执行文件或class文件）中的编码方式属于外码。
Java的class文件采用utf-8来存储字符，也就是说，class中字符占1～6个字节。
Java序列化时，字符也采用utf-8编码，占1～6个字符。
Unicode 和 UTF 的区别：
- Unicode：统一的字符编号，仅仅提供字符与编号间映射
- UTF ：unicode转换格式 (unicode transformation format) 。定义unicode中编号的编码方式。
常见的两种方式：
- UTF-16：Java 程序内部的存储方法
UTF-16为变长表示，长度可能是 2 或 4 个字节
- UTF-8：
- Mac/Linux 默认编码是 UTF-8
- Windows 默认的中⽂编码是 GBK
UTF-8为变长表示，长度可能是 1～6 个字节
如果没有意外，把所有的编码方案都改成 UTF-8
utf-16 编码中，英文字符占两个字节；绝大多数汉字（尤其是常用汉字）占用两个字节，个别汉字（在后期加入unicode 编码的汉字，一般是极少用到的生僻字）占用四个字节。
utf-8 编码中，英文字符占用一个字节；绝大多数汉字占用三个字节，个别汉字占用四个字节。
