關於計算機編碼

【百度百科】

    字符編碼（英語：Character encoding）也稱字集碼，是把字符集中的字符編碼爲指定集合中某一對象（例如：比特模式、自然數序列、8位組或者電脈衝），以便文本在計算機中存儲和通過通信網絡的傳遞。

    說明白點就是如何有效的將信息通過一種大家都能識別的方式進行傳輸和閱讀，就好比兩個人同時約定用英文、德文還是中文進行通信。而對於計算機而言，無論什麼樣的編碼格式，在底層都是以01（或者高電平、低電平）的方式進行存儲和識別。沿着計算機的發展，我們先來聊聊編碼的演化過程。

【ASCII碼】

在計算機發展的早期，人們發明了ASCII碼編碼方式，當然很大程度上是由於洋人們的信息都是由abcd26個字母、阿拉伯數字和一些符號組成，所以較爲簡單的使用了ASCII碼編碼。所謂的ASCII碼就是以7位bit位存儲一個字符，加一位擴展位，總共8位組成一個Byte字節。如：

Bin(二進制)	Oct(八進制)	Dec(十進制)	Hex(十六進制)	縮寫/字符	解釋
0000 0000	0	0	00	NUL(null)	空字符
0000 0001	1	1	01	SOH(start of headline)	標題開始
0000 0010	2	2	02	STX (start of text)	正文開始
0000 0011	3	3	03	ETX (end of text)	正文結束
0000 0100	4	4	04	EOT (end of transmission)	傳輸結束
0000 0101	5	5	05	ENQ (enquiry)	請求
0000 0110	6	6	06	ACK (acknowledge)	收到通知
0000 0111	7	7	07	BEL (bell)	響鈴
0000 1000	10	8	08	BS (backspace)	退格
0000 1001	11	9	09	HT (horizontal tab)	水平製表符
0000 1010	12	10	0A	LF (NL line feed, new line)	換行鍵
0000 1011	13	11	0B	VT (vertical tab)	垂直製表符
0000 1100	14	12	0C	FF (NP form feed, new page)	換頁鍵
0000 1101	15	13	0D	CR (carriage return)	回車鍵
0000 1110	16	14	0E	SO (shift out)	不用切換
0000 1111	17	15	0F	SI (shift in)	啓用切換
0001 0000	20	16	10	DLE (data link escape)	數據鏈路轉義
0001 0001	21	17	11	DC1 (device control 1)	設備控制1
0001 0010	22	18	12	DC2 (device control 2)	設備控制2
0001 0011	23	19	13	DC3 (device control 3)	設備控制3
0001 0100	24	20	14	DC4 (device control 4)	設備控制4
0001 0101	25	21	15	NAK (negative acknowledge)	拒絕接收
0001 0110	26	22	16	SYN (synchronous idle)	同步空閒
0001 0111	27	23	17	ETB (end of trans. block)	結束傳輸塊
0001 1000	30	24	18	CAN (cancel)	取消
0001 1001	31	25	19	EM (end of medium)	媒介結束
0001 1010	32	26	1A	SUB (substitute)	代替
0001 1011	33	27	1B	ESC (escape)	換碼(溢出)
0001 1100	34	28	1C	FS (file separator)	文件分隔符
0001 1101	35	29	1D	GS (group separator)	分組符
0001 1110	36	30	1E	RS (record separator)	記錄分隔符
0001 1111	37	31	1F	US (unit separator)	單元分隔符
0010 0000	40	32	20	(space)	空格
0010 0001	41	33	21	!	歎號
0010 0010	42	34	22	"	雙引號
0010 0011	43	35	23	#	井號
0010 0100	44	36	24	$	美元符
0010 0101	45	37	25	%	百分號
0010 0110	46	38	26	&	和號
0010 0111	47	39	27	'	閉單引號
0010 1000	50	40	28	(	開括號
0010 1001	51	41	29	)	閉括號
0010 1010	52	42	2A	*	星號
0010 1011	53	43	2B	+	加號
0010 1100	54	44	2C	,	逗號
0010 1101	55	45	2D	-	減號/破折號
0010 1110	56	46	2E	.	句號
00101111	57	47	2F	/	斜槓
00110000	60	48	30	0	數字0
00110001	61	49	31	1	數字1
00110010	62	50	32	2	數字2

當時人們很快發現它的侷限性，畢竟世界那麼大，語言那麼豐富，這最多的256個字符遠不能表達人們的想法。於是乎，unicode、utf-8、gb2312、gbk、base64等等多種編碼格式孕育而生。由於作者能力精力有限，只介紹幾種主流的編碼格式。

【unicode】

unicode又被稱位統一碼、萬國碼，原因就是因爲它能收錄全世界所有的語言文字符號。其原理就是將原理8位的ascii碼擴張爲16位，即2個字節，這樣就能收錄中文、日文、韓文、阿拉伯文等等所有文字，一統天下！

【java 編碼】

public static void main(String[] args)  {
    String s = "金";
    char[] c = new char[1];
    c = s.toCharArray();
    byte[] b;
    try {
        //獲取系統當前的編碼格式
        System.out.println(System.getProperty("sun.jnu.encoding"));;

        //GBK 編碼
        b = s.getBytes("gbk");
        System.out.print("gbk:");
        for (byte i : b)
            System.out.print(Integer.toHexString(Byte.valueOf(i)) + "  ");

        //UTF-8 編碼
        b = s.getBytes("utf-8");
        System.out.println();
        System.out.print("utf-8:");
        for (byte i : b)
            System.out.print(Integer.toHexString(Byte.valueOf(i)) + "  ");

        //unicode編碼
        b = s.getBytes("unicode");
        System.out.println();
        System.out.print("unicode:");
        for (byte i : b)
            System.out.print(Integer.toHexString(Byte.valueOf(i))+ " ");

        //默認爲unicode
        System.out.println();
        for (int i = 0; i < c.length; i++) {
            System.out.println(c[i]+":"+Integer.toHexString(c[i]));
        }
    } catch (UnsupportedEncodingException e) {
        e.printStackTrace();
    }
}

輸出：GBK

gbk:ffffffbd  fffffff0  

utf-8:ffffffe9  ffffff87  ffffff91  

unicode:fffffffe ffffffff ffffff91 ffffffd1 

金:91d1