Java基礎（一）：常見的編碼格式

• 在計算機中，最小的存儲單元是1個字節，即8個bit，所以能表示的字符範圍是0~255個
• 人類要表示的符號（ABCD、我，你，他等，在計算機眼中，都是符號）太多，無法用一個字節來完全表示
• 要解決這個矛盾，必須要有一個新的數據結構char，而從char到bute必須要編碼

一、常見編碼格式

1.ASCII碼

總共128個，用一個字節的低七位表示，0~31是控制字符：如換行、回車、刪除等，32~126是打印字符，可以通過鍵盤輸入並且能夠顯示出來

2.ISO-8859-1

是國際ISO組織對ASCII碼的擴展，涵蓋大多數西歐語言字符，所以應用的最廣泛。ISO-8859-1仍然是單字節編碼，它總共能表示256個字符。

3.GB2312

全稱《信息技術 中文編碼字符集》，雙字節編碼。總的編碼範圍是A1~F7，A1~A9是符號區，總共包含682個符號。B0-F7是漢字區，包含6763個漢字

4.GBK

全稱《漢字內碼擴展規範》，是爲了拓展GB2312，編碼範圍8140-FEFE（去掉XX7F），總共23940個碼位，能表示21003個漢字，編碼兼容GB2312，並且不會亂碼

5.GB18030

全稱《信息技術 中文編碼字符集》 是我國強制標準，可能是單字節、雙字節或者四字節編碼，與GB2312兼容，實際應用並不廣泛。

6.UTF-16

具體定義了Unicode字符在計算機中的存取方法，用兩個字節來表示Unicode的轉化格式，它採用定長的表示方法，不論什麼字符都可以用兩個字節來表示。大大簡化了字符串操作，這也是java中以UTF-16作爲內存的字符串存儲格式的一個很重要的原因

7.UTF-8

彌補UTF-16由於定長造成的存儲空間浪費問題，採用一種變長技術，每個編碼區有不同的字符長度。不同類型的字符可以由1！6個字節組成。

UTF-8有以下編碼規則：

1. 如果是1個字節，最高位（第8位）爲0，則表示這是1個ASCII字符（00~7F），所以所有的ASCII碼已經是UTF-8了
2. 如果是1個字節，以11開頭，則連續的1的個數暗示這個字符的字節數，例如：110xxxxx代表他是雙字節UTF-8字符的首字節
3. 如果是一個字節，以10開始，表示他不是首字節，則需要向前查找才能得到當前字符的首字節。