网页编码简介

首先介绍几种常见的字符集:

1. ASCII 是基于常用英文的一套字符编码系统。每一个ASCII码与一个8位二进制数对应。
2. GB2312和GBK GB2312是中国国家标准汉字信息交换用编码，简称国标码，采用两个字节表示一个字符，分别称为高位和低位，为了和ASCII码有所区别，中文字符每个字节最高位用1表示。GB2312字符集是几乎所有的中文系统和国际化软件都支持的中文字符集，也是最基本的中文字符集。GBK是在GB2312的基础上进行了一些扩展，对繁体中文，不常用汉字等进行了一些编码，但其不是国家标准，而只是规范。
3. Unicode  使用了0~65525的双字节无符号数对每个字符进行编码，包括西欧，希腊，阿拉伯语，汉语，韩语，日语等进行了编码。
4. UTF-8  对于0~127的ASCII字符，UTF-8用一个字节表示，如果字符对应Unicode码为0x0000，或在0x0080~0x007f,对应的UTF-8编码是两个字节，如果字符对应Unicode码在0x0800~0xffff，对应的UTF-8编码是三个字节。

在Java内部使用Unicode字符集表示字符，所以所有的字符都将被转换成Unicode字符在Java中执行。而由于不同应用方面对应的编码方式有很大不同，在各种编码之间互相转换的过程未必是可逆的，所以便产生了乱码的问题。

当从Unicode编码向某个字符集转换时，如果该字符集中没有对应的编码，则得到0x3f(即?)。从其他字符集向Unicode编码转换时，如果这个二进制数在该字符集中没有标识任何的字符，则得到的结果是0xfffd。