Java基础（一）：常见的编码格式

• 在计算机中，最小的存储单元是1个字节，即8个bit，所以能表示的字符范围是0~255个
• 人类要表示的符号（ABCD、我，你，他等，在计算机眼中，都是符号）太多，无法用一个字节来完全表示
• 要解决这个矛盾，必须要有一个新的数据结构char，而从char到bute必须要编码

一、常见编码格式

1.ASCII码

总共128个，用一个字节的低七位表示，0~31是控制字符：如换行、回车、删除等，32~126是打印字符，可以通过键盘输入并且能够显示出来

2.ISO-8859-1

是国际ISO组织对ASCII码的扩展，涵盖大多数西欧语言字符，所以应用的最广泛。ISO-8859-1仍然是单字节编码，它总共能表示256个字符。

3.GB2312

全称《信息技术 中文编码字符集》，双字节编码。总的编码范围是A1~F7，A1~A9是符号区，总共包含682个符号。B0-F7是汉字区，包含6763个汉字

4.GBK

全称《汉字内码扩展规范》，是为了拓展GB2312，编码范围8140-FEFE（去掉XX7F），总共23940个码位，能表示21003个汉字，编码兼容GB2312，并且不会乱码

5.GB18030

全称《信息技术 中文编码字符集》 是我国强制标准，可能是单字节、双字节或者四字节编码，与GB2312兼容，实际应用并不广泛。

6.UTF-16

具体定义了Unicode字符在计算机中的存取方法，用两个字节来表示Unicode的转化格式，它采用定长的表示方法，不论什么字符都可以用两个字节来表示。大大简化了字符串操作，这也是java中以UTF-16作为内存的字符串存储格式的一个很重要的原因

7.UTF-8

弥补UTF-16由于定长造成的存储空间浪费问题，采用一种变长技术，每个编码区有不同的字符长度。不同类型的字符可以由1！6个字节组成。

UTF-8有以下编码规则：

1. 如果是1个字节，最高位（第8位）为0，则表示这是1个ASCII字符（00~7F），所以所有的ASCII码已经是UTF-8了
2. 如果是1个字节，以11开头，则连续的1的个数暗示这个字符的字节数，例如：110xxxxx代表他是双字节UTF-8字符的首字节
3. 如果是一个字节，以10开始，表示他不是首字节，则需要向前查找才能得到当前字符的首字节。