基本数据类型大小 字符集、编码规范（gdk utf-8等）

 

 

 

位（bit）：是计算机 内部数据 储存的最小单位，11001100是一个八位二进制数。

字节（byte）：是计算机中 数据处理 的基本单位，习惯上用大写  B  来表示,1B（byte,字节）= 8bit（位）

字符：是指计算机中使用的字母、数字、字和符号

 

 

 

基本单位都是字节（byte）,1个字符是2个字节

类型        存储需求        bit数                  取值范围     

byte              1字节           1*8      （-2的31次方到2的31次方-1）

boolean     1字节           1*8                 false、true

char              2字节　　　　　 2*8

short             2字节           2*8             －32768～32767

int               4字节           4*8      （-2的63次方到2的63次方-1）

long              8字节           8*8                 －128～127

float              4字节           4*8            float类型的数值有一个后缀F(例如：3.14F)

double             8字节           8*8         没有后缀F的浮点数值(如3.14)默认为double类型

 

编码规范
所谓字符集其实是一套编码规范中的子概念，为了显示字符，国际组织就制定了编码规范，希望使用不同的二进制数来表示代表不同的字符，这样电脑就可以根据二进制数来显示其对应的字符。我们通常就称呼其为XX编码，XX字符集。

例如：ASCII码、ISO-8859-1（不支持中文）、Unicode（全世界通用的编码规范）、GBK 编码规范，编码规范，计算机就可以在中文字符和二进制数之间相互转换。而使用GBK编码就可以使计算机显示中文字符。

编码规范子概念：

1.字库表
一套编码规范不一定包含世界上所有的字符，每套编码规范都有自己的使用场景。而字库表就存储了编码规范中能显示的所有字符，计算机就是根据二进制数从字库表中找到字符然后显示给用户滴，相当于一个存储字符的数据库。

例如：几乎所有汉字都保存在GBK 编码规范的字库表中。所以可以显示汉字，但法语，俄语并不在其字库表中，所以GBK不能显示法语，俄语等不包含在其中的字符。

2.编码字符集（字符集），存放二进制数
我们平时说的字符集就是这个。在一个字库表中，每一个字符都有一个对应的二进制地址，而编码字符集就是这些地址的集合。

例如：在ASCII码的编码字符集中，字母A的序号（地址）是65，65的二进制就是01000001。我们可以说编码字符集就是用来存储这些二进制数的。而这个二进制数就是编码字符集中的一个元素，同时它也是字库表中字母A的地址。我们根据这个地址就可以显示出字母A。

结论：字符集和字库表一一对应，相互转换，这是电脑识别字符的关键。

3.字符编码（编码方式）
知道字库表和编码字符集后，我们就可以直接使用二进制地址来得到字符了。

但直接使用字符对应的二进制地址来显示文字是十分浪费的，Unicode 编码规范中包括了几百万个字符，想要包括几百万个不同的字符，起码需要3个字节的容量，为了方便将来扩展，Unicode还保留了更多未使用的空间，最多可以存储4个字节的容量。

因此为了区分每个字符，哪怕是00000000 00000000 00000000 00001111这种其实只占了1个字节的字符，我们也要为他分配4个字节的空间，这就导致一个可以用1G保存的文件，现在需要4G才能保存，这是极其浪费的做法。

于是程序员制定了一套算法来节省空间，而每种不同的算法都被称作一种编码方式（下文中为了便于理解都将使用编码方式来称呼字符编码）。一套编码规范可以有多种不同的编码方式，不同的编码方式有不同的适应场景。

例如：UTF-8就是一种编码方式，Unicode是一种编码规范。此外，Unicode还有UTF-16,UTF-32这两种编码方式。不同的编码方式节约的空间不同。

总结：一个较短的二进制数，通过一种编码方式，转换成编码字符集中正常的地址，然后在字库表中找到一个对应的字符，最终显示给用户。

 

常见编码规范：

1、ASCII码，是最早产生的编码规范，一共包含00000000~01111111共128个字符，可以表示阿拉伯数字和大小写英文字母，以及一些简单的符号

2、GBK全称《汉字内码扩展规范》，支持国际标准ISO/IEC10646-1和国家标准GB13000-1中的全部中日韩汉字。GBK字符集中所有字符占2个字节，不论中文英文都是2个字节。 没有特殊的编码方式，习惯称呼GBK 编码。一般在国内，汉字较多时使用

3、SO-8859-1收录的字符除ASCII收录的字符外，还包括西欧语言、希腊语、泰语、阿拉伯语、希伯来语对应的文字符号；ISO-8859-1是不支持中文的

4、Unicode，全世界通用的编码规范。Unicode最多可以保存4个字节容量的字符。也就是说，要区分每个字符，每个字符的地址需要4个字节。这是十分浪费存储空间的，于是，程序员就设计了几种字符编码方式，比如：UTF-8,UTF-16,UTF-32。

注意：UTF-8不是编码规范，而是编码方式

 

String chinese="汉";
//使用UTF-8编码方式进行编码。
byte[] bs = chinese.getBytes("UTF-8");
for (byte b : bs) {
    System.out.print(b+" ");
}" "); }

输出结果:-26 -79 -119   //可见utf-8的编码方式下，1个汉字对应3个字节

String utf8 = new String(bs,"UTF-8");
System.out.println(utf8);

输出：汉  //字节转换成字符

String gbk = new String(bs, "GBK");
System.out.println(gbk);

输出：姹?

 

 

字母/数字/英文标点	中文汉字/中文标点	换行符 Win/Unix/mac			空白文件大小	空格
ansi	1	2	1	1	1	0	1
Utf8	1	3	2	1	1	0	1
Utf8-bom	1	3	2	1	1	3	1
GBk2312	1	2	2	1	1	0(不为空前面加3)	1

 

转自：
————————————————
版权声明：本文为CSDN博主「笑我归无处」的原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/qq_42068856/article/details/83792174