一些基础概念
1、1个字节有8位，7位就可以表示0-255共256种状态，还有1位可当作符号位/特殊标识位。
2、计算机只能识别二进制，但对于人类来说，一长串的二进制交流起来很费劲，所以通过转换成十六进制来交流。
3、转换：0010 0001，前4位值等于2，后4位值等于1，十六进制就等于21。为了防止误解为十进制数二十一，所以十六进制一般用0x前缀来表示，即0x21。
4、字符集：统一规定二进制值和字符的对应关系，就叫字符集。常见的有ASCII、GBK、Unicode。
5、字符编码：字符集规定了某个值对应某个字符，但是并没有规定这个值要用多少位来显示、每一位代表什么含义等等，字符编码就是规定具体的编码、解码规则。常见的有ASCII、GBK、UTF-8/UTF-16。
ASCII
既是字符集，同时又是字符编码。
作为字符集，规定0-31对应特定动作（比如换行、输出等），32-127对应字母、数字、符号等，后来又扩展了128-255对应欧洲字符。
作为字符编码，规定每个字符由1个字节的8位表示，最高位是校验位，剩余7位的值代表字符。
GBK
计算机传到中国后，有7000多个汉字需要显示，于是就诞生了GBK。同样，既是字符集，有是字符编码。
作为字符集，规定0-127与ASCII一样，127以上的值，分别对应中文、全角标点、罗马字符、日文片假名等等。
作为字符编码，ASCII的字符用1个字节表示，中文用2个字节表示。如果要表示英文，就用1个字节，跟ASCII一样；如果要表示中文，就用两个字节，前一个字节范围0xA1~0xF7，后一个字节范围0xA1~0xFE。所以，当计算机读到一个字节的值小于127（0X7F）时，就知道这是一个单字节字符，读到一个字节的值大于0xA1时，就认为这是一个中文字符的第一个字节。
Unicode
美国有ASCII字符集、中国有GBK字符集、日本台湾等其它国家地区也用自己的字符集，各个字符集之间不能兼容，导致各种不方便，于是诞生了全球统一的字符集Unicode。Unicode收录了全球的字符，任何字符在Unicode字符集中都能找到对应的值。
UTF-32、UTF-16编码
UTF32编码规定每个字符用4个字节共32位来表示，这样很方便，但有个缺点是浪费空间。
UTF-16规定0~65535之间的字符用2个字节表示，包含了绝大多数字符；65535以上的字符需要一些特殊规则处理，通过4个字节来表示，具体规则可以百度。
UTF-8
000000-00007F之间的字符，用0xxxxxxx表示。0是标识位，xxxxxxx部分表示数值；
000080-0007FF之间的字符，用110xxxxx10xxxxxx表示。110、10是标识位，x部分表示数值，解码时，把x部分按顺序连起来，当成二进制值就行了；
000800-00FFFF之间的字符，用1110xxxx 10xxxxxx 10xxxxxx表示；
010000-10FFFF之间的字符，用11110xxx10xxxxxx10xxxxxx10xxxxxx表示。
Emoji
emoji的字符集有很多版本，所以不统一，下面有个过滤emoji的方法。
过滤emoji，通过for循环，判断String里的每一位char是否在emoji区间：
private static boolean isEmojiCharacter(char codePoint) {
return (codePoint == 0x0) || (codePoint == 0x9) || (codePoint == 0xA) || (codePoint == 0xD)
|| ((codePoint >= 0x20) && (codePoint <= 0xD7FF)) || ((codePoint >= 0xE000) && (codePoint <= 0xFFFD))
|| ((codePoint >= 0x10000) && (codePoint <= 0x10FFFF));
}
