字符集编码的简单概述

字符编码的发展历程：

阶段1：

       计算机只认识数字，我们在计算机里一切数据都是以数字来表示，因为英文符号有限，所以规定使用字节的最高位都是0，每一个直接都是以0~127之间的数字来表示，比如A对应65，a对应97.这就是美国标准信息交换码-ASCLL

阶段2：
       随着计算机在全球的普及，很多国家和地区都把自己的字符引入了计算机，比如汉字。
此时发现一个字节能表示数字范围太小，不能包含所有的中文汉字，那么就规定使用两个字节来表示一个汉字。
       规定：原有的ASCLL字符的编码保持不变，仍然使用一个字节表示，为了区别一个中文字符与两个ASCLL码字符，中文字符的每一个直接最高位规定为1（中文的二进制是负数），这个规定就是GB2312编码。
后来在GB2312的基础上增加了更多的中文字符，比如汉字，也就出现了GBK。

阶段3：
       新的问题，在中国是认识汉字的，但是如果把汉字传递给其他国家，该国家的码表中没有收录汉字，其实就显示另一个符号或乱码。为了解决各个国家因为本地化字符编码带来的影响，咱们就把全世界所有的符号统一进行编码-Unicode编码。Unicode的编码字符都占有2个字节大小。

常见的字符集：
ASCLL：占一个字节，只能包含128个字符，不能表示汉字。
ISO-8859-I（latin-1）：占一个字节，收录西欧语言，不能表示汉字。
ANSI：占用两个字节，在简体中文的操作系统中ANSI就指的是GB2312。
GB2312/GBK/GB2312/GBK/G18030:占两个字节，支持中文。
UTF-8：是一种针对Unicde的可变长度字符编码，又称万国码，是Unicode的实现方式之一。编码中的第一个字节仍与ASCLL兼容，这使得原来处理ASCLL字符的软件无须或只须做少部分修改，即可继续使用。因此，它主键成为电子邮件、网页及其他存储或传达文字的应用中，有限采用的编码。互联网工程工作小组（IETF）要求所有互联网协议都必须支持UTF-8编码。

注意：UTF-8+BOM：是微软搞出来的编码，默认占3个字节，不要使用这个，很容易出现乱码。

存储字母、数字和汉字：
存储字母和数字无论是什么字符集都占1个字节。
存储汉字：GBK家族占两个字节，UTF-8家族占3个字节。

字符的编码和解码操作：
编码：把字符串转换为byte数组
解码：把byte数组转换为字符串
一定要保证编码和解码的字符相同，否则乱码。

下面一段代码演示一下转换：

public class EncodingDemo {

	public static void main(String[] args) throws UnsupportedEncodingException {
		String str = "军籽";
		//编码操作：String->byte[]
		byte[] data = str.getBytes("GBK");
		System.out.println(Arrays.toString(data));//[-66, -4, -41, -47]
		
		//解码操作：byte[]->String
		String ret = new String(data,"GBK");
		System.out.println(ret);//军籽
		
		//----------------------------------------------
		
		//解决乱码
		byte[] data1 = str.getBytes("GBK");
		System.out.println(Arrays.toString(data1));//[-66, -4, -41, -47]
		
		//解码操作：byte[]->String
		String ret1 = new String(data1,"ISO-8859-1");
		System.out.println(ret1);
		//对于中文来说，乱码：?ü×?
		
		
		//解决方案：
		data1 = ret1.getBytes("ISO-8859-1");
		System.out.println(Arrays.toString(data1));//[-66, -4, -41, -47]
		ret1 = new String(data1,"GBK");
		System.out.println(ret1);//军籽
	}

}

运行结果：