字符集的一些疑惑

标准ASCII字符集#

计算机由美国人发明，所以要存储英文字母，数字，标点符号，于是进行编号，产生ASCII字符集，0-127，使用1个字节存储

GBK#

但是中文有很多，于是产生了GBK(汉字编码字符集)，包含2W多个汉字等字符，GBK中一个中文字符编码用两个字节存储

注：GBK兼容了ASCII字符集

我a你 表示为 xxxxxxxx xxxxxxxx 0xxxxxxx xxxxxxx xxxxxxxxx ,计算机如何识别

GBK规定：汉字的第一个字节必须为1，来进行区别

Unicode字符集#

一个国家有一个字符集的话，传输会有问题

国际组织制定了统一码:下面的两种方案

UTF-32 ：4个字节标识一个字符，太过浪费，且效率变低

UTF-8:可变长编码方案，共分为四个长度区：1个字节，2个字节，3个字节，4个字节

英文字符，数字等占一个字节(兼容ASCII编码)，汉字字符占用3个字节

a我m 0xxxxxxx xxxxxxxx xxxxxxxx xxxxxxxx 0xxxxxxx 如何识别

a 97 01100001

我 25105 110 001000 010001

m 109 01101101

解决方案：

0xxxxxxx （ASCII码）
110xxxxx 10xxxxxx
1110xxxx 10xxxxxx 10xxxxxx
11110xxx 10xxxxxx 10xxxxxx 10xxxxxx

总结#

字符编码时所使用的字符集，和解码时使用的字符集必须一致，否则会乱码

英文，数字一般不会乱码，因为很多字符集都兼容ASCII编码

使用Java程序对字符进行编码，解码#

编码

String提供如下方法	说明
byte[] getBytes()	使用平台默认字符集将String编码为字节，结果存储到新的字节数组中
byte[] getBytes(String charsetName)	使用指定的字符集将String编码为字节，结果存储到新的字节数组中

//默认字符集
String data = “a我m”；
byte[] bytes2 =data.getBytes();
System.out.println(Arrays.toString(bytes));

//指定字符集
String data = “a我m”；
byte[] bytes2 =data.getBytes(“GBK”);
System.out.println(Arrays.toString(bytes));

解码

String提供如下方法	说明
string(byte[] bytes)	使用平台默认的字符集解码指定的字节数组来构造String
string(byte[] bytes, String charsetName)	使用指定的字符集解码指定的字节数组来构造String

//默认字符集
string s1 = new String(bytes)；
   
//指定字符集
string s1 = new String(bytes,"GBK")；