Java Basic系列之（三）：字符类型CharType

Java转义字符Escape Sequences

官网原文地址

Escape Sequence	Description
\t	Insert a tab in the text at this point.
\b	Insert a backspace in the text at this point.
\n	Insert a newline in the text at this point.
\r	Insert a carriage return in the text at this point.
\f	Insert a formfeed in the text at this point.
\’	Insert a single quote character in the text at this point.
\”	Insert a double quote character in the text at this point.
\	Insert a backslash character in the text at this point.

代码中的表示

final char backspace = '\b';
final char tab = '\t';
final char lineFeed = '\n';
final char carriageReturn = '\r';
final char doubleQuote = '\"';
final char singleQuote = '\'';
final char backslash = '\\';

ASCII码，Unicode，UTF-8的关系

ASCII码是美国于上个世纪60年代制定的一套字符编码方式，ASCII 码一共规定了128个字符的编码，这128个符号（包括32个不能打印出来的控制符号），只占用了一个字节的后面7位，最前面的一位统一规定为0。
Unicode将世界上所有的符号都纳入其中。这是一种所有符号的编码。Unicode 只是一个符号集，它只规定了符号的二进制代码，却没有规定这个二进制代码应该如何存储。

UTF-8 是 Unicode 的实现方式之一

UTF-8 就是在互联网上使用最广的一种 Unicode 的实现方式。其他实现方式还包括 UTF-16（字符用两个字节或四个字节表示）和 UTF-32（字符用四个字节表示）。
UTF-8使用1~4个字节表示一个符号，是一种变长的编码方式。

编码规则

1）对于单字节的符号，字节的第一位设为0，后面7位为这个符号的 Unicode码。因此对于英语字母，UTF-8 编码和 ASCII 码是相同的。

2）对于n字节的符号（n > 1），第一个字节的前n位都设为1，第n + 1位设为0，后面字节的前两位一律设为10。剩下的没有提及的二进制位，全部为这个符号的Unicode 码。字母x表示可用编码的位。

Unicode符号范围(十六进制)	（二进制）UTF-8编码方式
0000 0000-0000 007F	0xxxxxxx
0000 0080-0000 07FF	110xxxxx 10xxxxxx
0000 0800-0000 FFFF	1110xxxx 10xxxxxx 10xxxxxx
0001 0000-0010 FFFF	11110xxx 10xxxxxx 10xxxxxx 10xxxxxx

编码储存顺序

Unicode 规范定义，每一个文件的最前面分别加入一个表示编码顺序的字符。第一个字节在前，就是”大头方式“（Big endian），第二个字节在前就是”小头方式“（Little endian）。

拓展

UTF-8, a transformation format of ISO 10646
The Absolute Minimum Every Software Developer Absolutely, Positively Must Know About Unicode and Character Sets (No Excuses!)