byte以及UTF-8的转码规则
https://www.cnblogs.com/hell8088/p/9184336.html
多年来闲麻烦，只记录笔记，不曾编写BLOG，本文为原创，如需转载请标明出处
废话不说，直奔主题
- ascii
计算机只接受 “高”、“低”电压，所以使用二进制 1 和 0 分别代表高低电压
ascii 将 “字符”和“符号”转为二进制，在通过二进制转为电压让计算机识别
0-127 是 7 位ASCII 码的范围，是国际标准 0111 1111
- byte 字节
1 byte = 8 bit 就是8位二进制数 在不同语言中，字节范围不应，这主要取决于最高位是不是符号位
ascii 就是用一个字节，8位二进制表示一个字符或者符号
如 小写字母 a 的 ascii 编码是97，不同进制表示如下
二进制：01100001 （高四位 0110 低四位 0001）
十进制：26 + 25 + 20 = 64 + 32 + 1 = 97
了解了ASCII，再来看看其他编码和byte的关系
gb2312 两字节
utf-8 一个 "英文" 字符一字节，一个 "中文" 字符三字节
unicode 所有字符等于 "两个字节"
- UTF-8
以 UTF-8 JAVA 中 将字符串转换为字节为例
//字符串和byte转换样本
byte[] str2byte = new String("中汉").getBytes("utf-8");
for (byte b : str2byte) {
System.out.println(b);
}
byte[] byte2str = { -28, -72, -83, -27, -101, -67 };
String str = new String(byte2str, "utf-8");
System.out.println(str);
解释：
比如 “汉” 这个字要在网络上传输，最终是要使用二进制表示电压
unicode 编码表中 “汉”字的编码是0x6C49，
转成UTF-8格式，对照映射表， 0x6C49在0x0800-0xFFFF之间， UTF-8使用用3字节模板了：1110xxxx 10xxxxxx 10xxxxxx
0x6C49 是16进制表示， 6C49 写成二进制是：0110 1100 0100 1001
用这个比特流依次代替模板中的x，得到：11100110 10110001 10001001，即E6 B1 89
在 java 中，首先要把汉字转成字节，计算出来的 是 -26，-79，-119，我们发现和E6 B1 89 不同
那么是如何换算呢
E6 => 1110 0110 因为JAVA中 byte 是 -128 ~ 127，高位是符号位
计算方式为 采用补码计算 取反后+1 去掉符号位，0001 1001 + 1 = 16+8+1 + 1 = 26
高位1 位负数， 所以 E6 对应 -26， 在通过字节传输给网络流，转成二进制
那么使用UTF-8 将一串中英文转成二进制，计算机如何接收呢
这个就是UTF-8规则编码，计算机指定了UTF8编码接收二进制并进行转移，当发现字节以0开头，表示这是一个标准ascii字符，直接转义 ，当发现1110开头，就说明接下来的三个字节表示一个汉字，则取3个字节去掉模板后转义，UTF8编码模板如下
1字节 0xxxxxxx
2字节 110xxxxx 10xxxxxx
3字节 1110xxxx 10xxxxxx 10xxxxxx
4字节 11110xxx 10xxxxxx 10xxxxxx 10xxxxxx
5字节 111110xx 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx
6字节 1111110x 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx
- base64
作用：
主要用于将二进制数据转换成可见字符
由来：
早期 MIME 协议 Multipurpose Internet Mail Extensions 只能传输ASCII字符，这样非英文字符和图片就无法在邮件中发送
（ASCII包含的字符少，GBK等包含的中文在ascii表示不了，所以有UTF）
BASE64就是将这些二进制数据转换成64个定义好的ASCII字符，一方面可以传输，一方面可以也可见，比如XML里加入二进制图片持久化，就是用 BASE64 进行存储
BASE64 最小使用单元是3字节，24bit 转换后将24bit且成4块，然后每块是6bit，因为计算机存储字节是8bit，所以在高位补两个0
e.g. 100101 转换后 00100101
这样就得到了4个ascii 字符，不过长度也随之增加
另外，URL里不支持 / +这类字符，所以一般使用 safe url base 64编码，由于BASE64是3*8 = 4*6 的游戏，
注意：当转换成6位时，需要查BASE64编码表，而不是查ASCII表，另外，当转化不是3的倍数时，看下图
（借用网上的一张图片 http://www.cnblogs.com/caoyc/p/5794720.html）
这里再举例小写 a
01100001 转换后是 011000 010000 补4个0变成2字节，得到YQ，BASE64要求4个字节 补两个 ==
得到 YQ==
文章参考：http://www.cnblogs.com/caoyc/p/5794720.html
