字符编码基础知识

1. **字节：**计算机内部用二进制字符串表示信息，每一个二进制位bit有两种状态，因此一个字节byte=8个二进制位，可以组合出2^8=256种状态。
2. **ASCII码：**美国制定了一套规范英文字符和二进制位对应关系的规定——ASCII码，特点是第一位规定为0，只占用一个字节中的后7位，即一共规定了2^7128个字符的编码。
3. **非ASCII码：**其他国家规定的，用来表达除英文字符外的国家语言符号，由于没有统一规范，所以不同国家的编码方式，128-255这一段表达的符号是不一样的。
4. Unicode：——统一码，一种所有符号的编码：Unicode只是一个符号集，它只规定了符号的二进制代码，却没有规定这个二进制代码应该如何存储。
5. UTF-8: 互联网上使用最广的一种unicode实现方式。

UTF-8的编码规则
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。

---

下表总结了编码规则，字母x表示可用编码的位。
Unicode符号范围 | UTF-8编码方式
UTF字节数 (十六进制) | （二进制）
——————–+———————————————
一个字节 0000 0000-0000 007F | 0xxxxxxx
两个字节 0000 0080-0000 07FF | 110xxxxx 10xxxxxx
三个字节 0000 0800-0000 FFFF | 1110xxxx 10xxxxxx 10xxxxxx
四个字节 0001 0000-0010 FFFF | 11110xxx 10xxxxxx 10xxxxxx 10xxxxxx
eg: “严”,unicode是4E25（100111000100101），根据上表，发现4E25处在第三行的范围内，因此“严”的UTF-8编码需要三个字节，即格式是“1110xxxx 10xxxxxx 10xxxxxx”。然后，从“严”的最后一个二进制位开始，依次从后向前填入格式中的x，多出的位补0。这样就得到了，“严”的UTF-8编码是“11100100 10111000 10100101”，转换成十六进制就是E4B8A5。

Java中字符编码处理的标准函数：
*注：字符串在java内存中以unicode编码存储*
getBytes(charset):将字符串所表示的支付按照charset编码，并以字节数组方式表示。
new String(charset):将字节数组按照charest编码进行组合识别，最后转换为unicode存储。
setCharacterEncoding(charset):设置http请求或相应的编码（如果request不指定默认使用iso8859-1编码）

原文章链接：
https://blog.csdn.net/zougen/article/details/80272889