Java核心类库-IO-字符编码

字符编码的发展历程：

　　阶段1：

　　计算机只认识数字，我们在计算机里一切数据都是以数字来表示，因为英文符号有限，所以规定使用的字节的最高位是0，每一个字节都是以0~127之间的数字来表示，比如A对应65。这就是美国标准信息交换码-ASCII。

　　阶段2：

　　随着计算机在全球的普及，很多国家和地区都把自己的字符引入了计算机，比如汉字。此时发现一个字节能表示数字范围太小，不能包含所有的中文汉字，那么久规定使用两个字节来表示一个汉字。规定：原有的ASCII字符的编码保持不变，仍使用一个字节来表示，为了区别一个中文字符与两个ASCII码字符，中文字符的每个字节最高位规定为1（中文的二进制为负数）。这个规范就是GB2312。

　　阶段3：

　　新的问题，在中国是认识汉字的，但是如果把汉字传递给其他国家，该国家的码表中没有收录汉字，其实就显示另一个符号或者乱码。

　　为了解决各个国家因为本地文化字符编码带来的影响，咋们就把全世界的符号统一进行编码-Unicode编码。此时某一个字符在全世界任何地方都是固定的，比如‘哥’这个字在任何地方都是以十六进制S4E5来表示。Unicode的编码字符都占有2个字节大小。

 

常见的字符集：

ASCII：占一个字节，只能包含128个字符，不能表示汉字。

ISO-8859-1（latin-1）：占一个字节，收录西欧语言，不能表示汉字。

ANSI：占两个字节，在简体中文的操作系统中ANSI就是GB2312

GB2312/GBK/GB18030：占两个字节，支持中文。

UTF-8：是一种针对Unicode的可变长度字符编码，又称万国码，是Unicode的实现方式之一。

编码中的第一个字节仍与ASCII兼容，这使得原来处理ACSII字符的软件无须或只须做少部分修改，即可继续使用。

因此，他逐渐成为电子邮件、网页及其他存储或传送文字的应用中，优先采用编码。互联网工程小组（IETF）要求所有互联网协议都必须支持UTF-8编码。

UTF-8 BOM：是微软的编码，默认占3个字节（比原有的UTF-8格式多三个字节），不要使用。

 

存储字母，数字和汉字：

存储字母和数字无论是什么字符集都占一个字符。

存储汉字：GBK家族占两个字节，UTF-8家族占三个字节。

 

不能使用单字节的字符集来存储（ASCII/IOS-8859-1）来存储中文。