原文鏈接：xiongchao2011的博客
Unicode、UTF－8 和 ISO8859-1到底有什麼區別
將以"中文"兩個字爲例，經查表可以知道其GB2312編碼是"d6d0 cec4"，Unicode編碼爲"4e2d 6587"，UTF編碼就是"e4b8ad e69687"。注意，
這兩個字沒有iso8859-1編碼，但可以用iso8859-1編碼來"表示"。
2. 編碼基本知識
最早的編碼是iso8859-1，和ascii編碼相似。但爲了方便表示各種各樣的語言，逐漸出現了很多標準編碼，重要的有如下幾個。
2.1. iso8859-1 通常叫做Latin-1
屬於單字節編碼，最多能表示的字符範圍是0-255，應用於英文系列。比如，字母a的編碼爲0x61=97。
很明顯，iso8859-1編碼表示的字符範圍很窄，無法表示中文字符。但是，由於是單字節編碼，和計算機最基礎的表示單位一致，所以很多時候，
仍舊使用iso8859-1編碼來表示。而且在很多協議上，默認使用該編碼。比如，雖然"中文"兩個字不存在iso8859-1編碼，以gb2312編碼爲例，應
該是"d6d0 cec4"兩個字符，使用iso8859-1編碼的時候則將它拆開爲4個字節來表示："d6 d0 ce c4"（事實上，在進行存儲的時候，也是以字節爲
單位處理的）。而如果是UTF編碼，則是6個字節"e4 b8 ad e6 96 87"。很明顯，這種表示方法還需要以另一種編碼爲基礎。
2.2. GB2312/GBK
這就是漢子的國標碼，專門用來表示漢字，是雙字節編碼，而英文字母和iso8859-1一致（兼容iso8859-1編碼）。其中gbk編碼能夠用來同時表示
繁體字和簡體字，而gb2312只能表示簡體字，gbk是兼容gb2312編碼的。
2.3. unicode
這是最統一的編碼，可以用來表示所有語言的字符，而且是定長雙字節（也有四字節的）編碼，包括英文字母在內。所以可以說它是不兼容iso8859-1編
碼的，也不兼容任何編碼。不過，相對於iso8859-1編碼來說，uniocode編碼只是在前面增加了一個0字節，比如字母a爲"00 61"。
需要說明的是，定長編碼便於計算機處理（注意GB2312/GBK不是定長編碼），而unicode又可以用來表示所有字符，所以在很多軟件內部是使用unicode
編碼來處理的，比如Java。
2.4. UTF
考慮到unicode編碼不兼容iso8859-1編碼，而且容易佔用更多的空間：因爲對於英文字母，unicode也需要兩個字節來表示。所以unicode不便於傳輸和存
儲。因此而產生了utf編碼，utf編碼兼容iso8859-1編碼，同時也可以用來表示所有語言的字符，不過，utf編碼是不定長編碼，每一個字符的長度從1-6個字
節不等。另外，utf編碼自帶簡單的校驗功能。一般來講，英文字母都是用一個字節表示，而漢字使用三個字節。
注意，雖然說utf是爲了使用更少的空間而使用的，但那只是相對於unicode編碼來說，如果已經知道是漢字，則使用GB2312/GBK無疑是最節省的。不過另
一方面，值得說明的是，雖然utf編碼對漢字使用3個字節，但即使對於漢字網頁，utf編碼也會比unicode編碼節省，因爲網頁中包含了很多的英文字符。
3. java對字符的處理
在java應用軟件中，會有多處涉及到字符集編碼，有些地方需要進行正確的設置，有些地方需要進行一定程度的處理。
3.1. getBytes(charset)
這是java字符串處理的一個標準函數，其作用是將字符串所表示的字符按照charset編碼，並以字節方式表示。注意字符串在java內存中總是按unicode編碼
存儲的。比如"中文"，正常情況下（即沒有錯誤的時候）存儲爲"4e2d 6587"，如果charset爲"gbk"，則被編碼爲"d6d0 cec4"，然後返回字節"d6 d0 ce c4"。
如果charset爲"utf8"則最後是"e4 b8 ad e6 96 87"。如果是"iso8859-1"，則由於無法編碼，最後返回 "3f 3f"（兩個問號）。
3.2. new String(charset)
這是java字符串處理的另一個標準函數，和上一個函數的作用相反，將字節數組按照charset編碼進行組合識別，最後轉換爲unicode存儲。參考上述getBytes
的例子，"gbk" 和"utf8"都可以得出正確的結果"4e2d 6587"，但iso8859-1最後變成了"003f 003f"（兩個問號）。
因爲utf8可以用來表示/編碼所有字符，所以new String( str.getBytes( "utf8" ), "utf8" ) === str，即完全可逆。
3.3. setCharacterEncoding()
該函數用來設置http請求或者相應的編碼。
對於request，是指提交內容的編碼，指定後可以通過getParameter()則直接獲得正確的字符串，如果不指定，則默認使用iso8859-1編碼，需要進一步處理。
參見下述"表單輸入"。值得注意的是在執行setCharacterEncoding()之前，不能執行任何getParameter()。Java doc上說明：This method must be
called prior to reading request parameters or reading input using getReader()。而且，該指定只對POST方法有效，對GET方法無效。分析原因，應該是在執行第一個getParameter()的時候，java將會按照編碼分析所有的提交內容，而後續的getParameter()不再進行分析，所以setCharacterEncoding()無效。而對於GET方法提交表單是，提交的內容在URL中，一開始就已經按照編碼分析所有的提交內容，setCharacterEncoding()自然就無效。
4.iso-8859-1是JAVA網絡傳輸使用的標準 字符集,而gb2312是標準中文字符集,當你作出提交表單等需要網絡傳輸的操作的時候,就需要把 iso-8859-1轉換爲gb2312字符集顯示,否則如果按瀏覽器的gb2312格式來解釋iso-8859-1字符集的話,由於2者不兼容,所以會 是亂碼.
最後來看一個編碼的例子：
- String s = "你好";
- // 編碼
- byte[] utf = s.getBytes("utf-8");
- byte[] gbk = s.getBytes("gbk");
- System.out.println("utf-8編碼：" + Arrays.toString(utf)); // [-28, -67, -96, -27, -91, -67] 6個字節
- System.out.println("gbk編碼：" + Arrays.toString(gbk)); // [-60, -29, -70, -61]<span style="white-space:pre"> </span>4個字節
- // 解碼
- String s1 = new String(utf, "utf-8"); // 你好
- String s2 = new String(utf, "gbk");// gbk解碼：浣犲ソ gbk用2個字節解碼，所以會多一個字符
- String s3 = new String(gbk, "utf-8");// gbk用utf-8解碼：??? <span style="white-space:pre"> </span>utf-8解碼需要6個字節
- System.out.println("--------------------");
- System.out.println("utf-8解碼：" + s1);
- System.out.println("gbk解碼：" + s2);
- System.out.println("gbk用utf-8解碼：" + s3);
- System.out.println("---------------------");
- System.out.println("用utf-8編碼回去");
- s3 = new String(s3.getBytes("utf-8"), "gbk"); // 錕斤拷錕? gbk用utf-8解碼後無法編回去
- System.out.println(s3);
utf-8編碼可以用gbk和iso8859-1解碼後編回去
gbk編碼後只能用iso8859-1解碼後編回去
在JSP頁面獲取表單的值時會出現亂碼，有兩種解決方法：
一種是在調用getParameter之前通過request.setCharacterEncoding設置字符編碼，另一種是調用new String(str.getBytes("iso8859-1"), "UTF-8");編碼後解碼，這兩種方法都可以得到正確的結果