引言
计算机中存储信息的最小单位为byte字节,由8个bit位组成,只能表示0~255个字符,而汉字符号太多,无法用一个字节完全表示。
因此需要一个新的字符结构char,从char到byte必须通过编码实现。
几种常见的编码格式
- ASCII码与ISO-8859-1
单字节编码。ASCII用一个字节的低7位表示,可表示00-7F共128个字符;ISO-8859-1是ASCII的扩展,可表示256个字符。 - GB2312与GBK
双字节编码。GBK《汉字内码扩展规范》是GB2312《信息交换用汉字编码字符集基本集》的扩展,与其兼容。 - UTF-16与UTF-8
UTF-16具体定义了Unicode(Universal Code 统一码)字符在计算机中的存取方法,用两个字节来表示Unicode转化格式,定长,不论什么字符都可以用两个字节表示。编码效率高但占用内存空间。适合本地磁盘与内存之间使用,如Java的内存编码。
UTF-8采用变长技术,每个编码区域有不同的字码长度,不同类型的字符可以由1~6个字节组成。汉字采用三个字节。适合网络传输。
哪些地方会引起字符编码问题
存储数据-->磁盘(内存操作);数据经过网络传输(I/O操作,磁盘与网络I/O)。需了解这些地方的框架/系统是怎么对数据进行编码控制的。
常见问题分析
- 汉字变成乱码
![在这里插入图片描述](https://i-blog.csdnimg.cn/blog_migrate/16ca32b60269d98c332c949e3f3ab600.png)
字符编码与解码方式不同,如GBK、UTF-16、UTF-8混合编解码。 - 汉字变成等长????
![在这里插入图片描述](https://i-blog.csdnimg.cn/blog_migrate/f7b6f002e75dca7851496192ca636d80.png)
对汉字进行了不支持中文的ISO-8859-1编码与解码 - 汉字变成两倍长度????
对汉字进行了多次编码与解码,如GBK、ISO-8859-1、UTF-8、UTF-16混合多次编解码。