字符编码

最近一直看java基础，看到IO系统中的字符编码一直不是很了解，所以就从网上查资料，然后自己总结了一些。

所谓字符编码就是将字符与二进制进行一个一一映射。

字符编码种类很多

1.ASCII码：英语字符与一个字节的二进制位之间的关系，ASCII码总共规定了128个字符，只占了字节的后7位，最前面一位统一为0, 32~126（共95）是字符，其他的是控制字符或者通信专用符号。

2. Unicode编码

将世界上几乎所有的符号都容纳其中，每个符号都有一个独一无二的编码。这里有个大端和小端的问题，以汉字”严“为例，Unicode码是4E25，需要用2个字节存储，字节4E在前，25在后称为大端，就像读string一样，低地址存高字节，相反，25在前，4E在后为小端。Unicode缺点就是没有规定符号的二进制代码如何存储在计算机上，因为不同的符号需要的字节数不一样，如果用2个字节或者4个字节来表示所有的字符，明显的效率不行，而且还浪费空间。

为此，就出现了UTF-8 编码，其他方式还包括UTF-16， UTF-32。

UTF-8的编码规则很简单，只有二条：
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。

3.非Unicode编码

ANSI编码，用2个字节表示一个符号

如GB2312 ,日文编码 JIS ，缺点同一编码值在不同的编码体系里代表不同的文字，容易造成混乱。可以通过转换表的方式转换成unicode。