黑马程序员 — 编码

-------android培训、java培训、期待与您交流！ ----------

编码

什么是编码：

编码是将源对象内容按照一种标准转换为一种标准格式内容。

解码是和编码对应的，它使用和编码相同的标准将编码内容还原为最初的对象内容。

编解码的目的最初是为了加密信息，经过加密的内容不知道编码标准的人很难识别，已经有数千年历史了。

中文编码主要有以下四种： 

GB2312:

简体中文编码，一个汉字占用2字节，在大陆是主要编码方式。当文章/网页中包含繁体中文、日文、韩文等等时，这些内容可能无法被正确编码。 

BIG5:

繁体中文编码。主要在台湾地区采用。 

GBK:

支持简体及繁体中文，但对他国非拉丁字母语言还是有问题。 

UTF-8:

Unicode编码的一种。Unicode用一些基本的保留字符制定了三套编码方式，它们分别UTF-8,UTF-16和UTF-32。在UTF－8中，字符是以8位序列来编码的，用一个或几个字节来表示一个字符。这种方式的最大好处，是UTF－8保留了ASCII字符的编码做为它的一部分。UTF-8俗称“万国码”，可以同屏显示多语种，一个汉字占用3字节。为了做到国际化，网页应尽可能采用UTF-8编码。

ASCII：

ASCII 码总共有 128 个，用一个字节的低 7 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。

作用：表语英语及西欧语言。 

位数：ASCII是用7位表示的，能表示128个字符；其扩展使用8位表示，表示256个字符。 

范围：ASCII从00到7F，扩展从00到FF。 

ISO-8859-1：

128 个字符显然是不够用的，于是 ISO 组织在 ASCII 码基础上又制定了一些列标准用来扩展 ASCII 编码，它们是 ISO-8859-1~ISO-8859-15，其中 ISO-8859-1 涵盖了大多数西欧语言字符，所有应用的最广泛。ISO-8859-1 仍然是单字节编码，它总共能表示 256 个字符。

作用：扩展ASCII，表示西欧、希腊语等。 

位数：8位， 

范围：从00到FF，兼容ASCII字符集。 

GB2312：

它的全称是《信息交换用汉字编码字符集 基本集》，它是双字节编码，总的编码范围是 A1-F7，其中从 A1-A9 是符号区，总共包含 682 个符号，从 B0-F7 是汉字区，包含 6763 个汉字。

作用：国家简体中文字符集，兼容ASCII。 

位数：使用2个字节表示，能表示7445个符号，包括6763个汉字，几乎覆盖所有高频率汉字。 

范围：高字节从A1到F7, 低字节从A1到FE。将高字节和低字节分别加上0XA0即可得到编码。 

BIG5：

作用：统一繁体字编码。 

位数：使用2个字节表示，表示13053个汉字。 

范围：高字节从A1到F9，低字节从40到7E，A1到FE。 

GBK： 

全称叫《汉字内码扩展规范》，是国家技术监督局为 windows95 所制定的新的汉字内码规范，它的出现是为了扩展 GB2312，加入更多的汉字，它的编码范围是 8140~FEFE（去掉 XX7F）总共有 23940 个码位，它能表示 21003 个汉字，它的编码是和 GB2312 兼容的，也就是说用 GB2312 编码的汉字可以用 GBK 来解码，并且不会有乱码。

作用：它是GB2312的扩展，加入对繁体字的支持，兼容GB2312。 

位数：使用2个字节表示，可表示21886个字符。 

范围：高字节从81到FE，低字节从40到FE。 

GB18030：

全称是《信息交换用汉字编码字符集》，是我国的强制标准，它可能是单字节、双字节或者四字节编码，它的编码与 GB2312 编码兼容，这个虽然是国家标准，但是实际应用系统中使用的并不广泛。

作用：它解决了中文、日文、朝鲜语等的编码，兼容GBK。 

位数：它采用变字节表示(1 ASCII，2，4字节)。可表示27484个文字。 

范围：1字节从00到7F; 2字节高字节从81到FE，低字节从40到7E和80到FE；4字节第一三字节从81到FE，第二四字节从30到39。 

UTF-16：

说到 UTF 必须要提到 Unicode（Universal Code 统一码），ISO 试图想创建一个全新的超语言字典，世界上所有的语言都可以通过这本字典来相互翻译。可想而知这个字典是多么的复杂，关于 Unicode 的详细规范可以参考相应文档。Unicode 是 Java 和 XML 的基础，下面详细介绍 Unicode 在计算机中的存储形式。

UTF-8：

UTF-16 统一采用两个字节表示一个字符，虽然在表示上非常简单方便，但是也有其缺点，有很大一部分字符用一个字节就可以表示的现在要两个字节表示，存储空间放大了一倍，在现在的网络带宽还非常有限的今天，这样会增大网络传输的流量，而且也没必要。而 UTF-8 采用了一种变长技术，每个编码区域有不同的字码长度。不同类型的字符可以是由 1~6 个字节组成。

UTF-8 有以下编码规则：

• 如果一个字节，最高位（第 8 位）为 0，表示这是一个 ASCII 字符（00 - 7F）。可见，所有 ASCII 编码已经是 UTF-8 了。
• 如果一个字节，以 11 开头，连续的 1 的个数暗示这个字符的字节数，例如：110xxxxx 代表它是双字节 UTF-8 字符的首字节。
• 如果一个字节，以 10 开始，表示它不是首字节，需要向前查找才能得到当前字符的首字节

UCS：

作用：国际标准 ISO 10646 定义了通用字符集 (Universal Character Set)。它是与UNICODE同类的组织，UCS-2和UNICODE兼容。 

位数：它有UCS-2和UCS-4两种格式，分别是2字节和4字节。 

范围：目前，UCS-4只是在UCS-2前面加了0x0000。 

UNICODE： 

作用：为世界650种语言进行统一编码，兼容ISO-8859-1。 

位数：UNICODE字符集有多个编码方式，分别是UTF-8，UTF-16和UTF-32。