【Java基础】编码问题

非Unicode编码

ASCLL

• 美国规定了128个字符的二进制表示方法。计算机最小存储单位是byte，即8位。ASCII码最高位设置为0，其余7位表示字符，可看作0~127

ISO 8859-1 && Windows-1251

• ISO 8859-1标准更早，使用更为广泛的是Windows-1521,基本相同，区别在于数字128~159中增加了可打印字符。很多啊应用程序中声明采用“ISO 8859-1”但解析是成就当做“Windows-1521”编码

GB2312

• GB2313使用两个字节表示汉字。
• 高位字节范围是0xA1~0xF7。[1016+1 , 1516+7] 即 [161,247] == [128+33, 247]
• 低位字节范围是0xA1~0xFE。[161,254] == [128 + 33, 254]
• 两个字节中，最高位都是1，如果是0，就认为是ASCII字符

GBK

• GBK建立在GB2312基础上，向下兼容GB2312。GB3212编码的字符和二进制表示，在GBK编码里是完全一样的。
• GBK同样使用两个字节表示
• 高位字节范围0x81~0xFE [129,254]
• 低位字节范围是0x40~0x7E和0x80 ~0xFE [64,126]和[128, 254]
• 注：低位字节从0x40(64)开始的，即低位字节的最高位可能是0，在解析时，如果第一个字节最高位为1，那么就将下一个字节读进来一起解析为汉字

GB18030

• GB18030向下兼容GBK
• 使用变长编码，有的字符两个字节吗，有的四个字节。
• 两字节编码中字节表示范围与GBK相同。
• 四字节编码中
  • 第一个字节的值为0x81 ~ 0xFE，第二个字节的值为0x30 ~ 0x39，第三个字节的值为0x81~0xFE，第四个字节的值为0x30 ~ 0x39。、
• 在解析时，如果第二个字节的范围是0x30 ~ 0x39就代表该值用四个字节表示，因为两个字节编码中第二个字节都比这个大。

Big5

• Big5是针对繁体中文的，高位字节范围是0X81 ~ 0xFE，低位字节范围是0x40 ~ 0x7E 和 0xA1 ~ 0xFE

Unicode编码

• Unicode给世界上所有字符都分配了一个唯一的数字编号