Java中文编码问题

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

1. 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。
2. 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。
3. 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

1. 汉字变成乱码
   
   字符编码与解码方式不同，如GBK、UTF-16、UTF-8混合编解码。
2. 汉字变成等长？？？？
   
   对汉字进行了不支持中文的ISO-8859-1编码与解码
3. 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。