13、字符集和字符编码

字符集：字符集是多个字符的集合，常见字符集有：ASCII字符集、GB2312字符集、GB18030字符集、Unicode字符集等。

        ASCII字符集：是英文大小写字符、阿拉伯数字和西文符号的一个集合。（可以看一下电脑键盘上的键，基本就是这些字符）

        GB2312字符集：主要包含简体中文字符。

        GB10830字符集：基本包含所有中文字符，包括繁体字、少数民族字等。

        Unicode字符集：基本包括全世界所有用到的字符，常用字符集。

 

字符编码：我理解的字符编码是指编码的一种规则，根据对应字符集将字符按着某一规则改编成一组序列。常用的编码方式有：ASCII编码、GBK编码、GB2312编码、Unicode编码、UTF-8编码。最常用的还是utf-8编码。

       ASCII编码：一个字符占用一个字节。

       GBK编码：和ASCII中相同的字符还是用一个，而其他用两个字节。

       Unicode编码：全部使用四个字节来存储

       UTF-8编码：对Unicode做了优化，可以根据不同的符号自动选择编码的长短，例如：英文字母一个字节足矣，而汉字就需要三个字节存储才可以。流行的编码方式。

 

       将数据存储在内存中获取磁盘中时都是以字节形式进行存储，一个字节占用8位，例如：我现在想要存储“你是谁”这三个字到记事本，虽然看到的是记事本三个字，但是存储在磁盘上的却不是，而是将“我是谁”这三个字看成三个字符，然后根据使用的字符集找到每个字符对应的字节码，然后根据编码方式将字节码编码成一个序列，最后进行存储。

可以通过java代码看到字符对应的在字符集中对应的码，代码如下：

public class EncodingAndCharsetTest {

	public static void main(String[] args) {
		String s1 = "你是谁";
		String s2 = "who are you";
		byte[] bytes = s1.getBytes();
		//打印结果：-28 -67 -96 -26 -104 -81 -24 -80 -127
		for (byte b : bytes) {
			System.out.print(b+" ");
		}
		System.out.println();
		System.out.println("--------------");
		byte[] bytes2 = s2.getBytes();
		System.out.println(bytes2.length);
		//打印结果：119 104 111 32 97 114 101 32 121 111 117
		for (byte b : bytes2) {
			System.out.print(b+" ");
		}
	}
}

       之前使用流操作时，有的时候会出现乱码现象就是因为编码问题，只要读和写用的不是同一套字符集和字符编码，就可能出现乱码现象。