字符集学习

标准ASCII字符集

ASCII（American Standard Code for Information Interchange)：美国信息交换标准代码，包括了英文，符号等

标准ASCII使用一个字节存储一个字符，首位是0，总共可以表示128个字符

GBK（汉字内码扩展规范，国标）

汉字编码字符集，包含了2万多个汉字等字符，GBK中一个中文字符编码成两个字节的形式存储

注意：GBK兼容了ASCII字符集

GBK规定：汉字的第一个字节的第一位必须是1

Unicode字符集（统一码，也叫万国码）

Unicode是国际组织制定的，可以容纳世界上所有文字，符号的字符集

提供了多种编码方案

UTF-32
使用四个字节表示一个字符

UTF-8
是Unicode字符集的一种编码方案，采取可变长编码方案，共分四个长度区：1个字节，2个字节，3个字节，4个字节

英文字符、数字等只占1个字节（兼容标准ASCII编码），汉字字符占用3个字节

如果是一个字节，第一位必须是0
如果是两个字节，第一个字节前三位必须是110，第二个字节前两位必须是10
如果是三个字节，第一个字节前四位必须是1110，后面两个字节前两位必须是10
如果是四个字节，第一个字节前五位必须是11110，后面三个字节前两位必须是10

技术人员在开发时都应该使用UTF-8编码

字符编码时使用的字符集和解码时使用的字符集必须一致，否则出现乱码

比如：使用gbk对如下字符串进行编码

使用UTF-8进行解码

英文、数字一般不会乱码，因为很多字符集都兼容了ASCII编码

编码：把字符按照指定字符集编码成字节
解码：把字节按照指定字符集解码成字符

Java代码完成对字符的编码

方法	说明
byte[] getBytes()	使用平台的默认字符集将该String编码为一系列字节，将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该String编码为一系列字节，将结果存储到新的字节数组中

Java代码完成对字符的解码

方法	说明
String (byte[] bytes)	通过使用平台的默认字符集解码指定的字节数组来构造新的String
String(byte[] bytes,String charsetName)	通过指定的字符集解码指定的字节数组来构造新的String

总结：

ASCII字符集：只有英文、数字、符号等，占1个字节
GBK字符集：汉字占2个字节、英文、数字占1个字节
UTF-8字符集：汉字占3个字节、英文、数字占1个字节