字符集相关知识基础

字符集相关知识基础

Question:

字符在计算机中怎样表示？
如何完成字符和其所对应码值之间的转换？

---

字符在计算机中的存储和表示，都是字符对应的整数值，这个值就是编码值。
在转化字符和码值时，需要有一个字符集或编码表，描述字符和其编码值之间的对应关系，将字符转化成码值的过程叫编码，将码值还原成字符的过程叫解码，这两个过程都离不开字符集。

编码

当我们向计算机中输入数据，此时计算机会先求字符对应的码值，并保存字符对应的编码值。

解码

当我们需要输出字符时，计算机会根据字符对应的编码值，求出其对应的字符，然后输出。

为什么会出现乱码？

那是因为编码和解码采用的字符集并不相同。不同语言的字符集是不相同的，为了解决这个问题，人们定义了一种能包含所有已知字符的字符集，并且给每个字符都分配了唯一的编码值——Unicode字符集，用两个字节表示字符的编码值，但这个字符集只规定了编码值。编码值在计算机中存储的时候，可以有不同的存储方式，因此Unicode字符集有很多变种。

UTF-8

UTF-8定义了一种区间规则，这种规则可以和ASCII编码保持最大程度兼容。

表示字符所需字节数	字符编码值
1字节	0xxxxxxx
1字节	110xxxxx xxxxxxxx
1字节	1110xxxx 10xxxxxx 10xxxxxx

UTF-16

UTF-16遵循Unicode的编码规则，用两个字节编码一个字符，JVM 也是采用该字符集。

其它常见字符集

字符集	描述
ASCII	美国标准信息交换码
ISO8859-1	拉丁码表，欧洲通用
GB2312	中国的中文编码表
GBK	中国的中文编码表，是GBK升级版
GB18030	中国的中文编码表
BIG-5	繁体中文字符，大五码