Java 乱码的情况和字符串的说明 ASCII码 UTF-8 Unicode编码

ASCII码

• 在计算机内部，所有数据都是用二进制表示，每一个二进制位（bit）有0和1两种状态，因此8个二进制就可以组合出256种状态，这被称为一个字节（byte）。一个字节一共可以来表示256种不同的状态，每一个状态对应一个符号，就是256个符号，从0000000到11111111.
• ASCII码：上个世界60年代，美国制定了一套字符编码，对英语字符与二进制位之间的关系，做了统一制定。这被称为ASCII码。ASCII码一共规定了128个字符的编码，比如空格“SPACE”是32（二进制00100000），大写的字母A是65（二进制01000001）。这128个符号（包括32个不能打印出来的控制符号），只占用了一个字节的后面7位，最前面的1位统一规定为0。
• 缺点：①不能表示所有字符；②相同的编码表示的字符不一样

Unicode编码

• 乱码：世界上存在着多种编码方式，同一个二进制数字可以被解释乘不同的符号。因此，要想打开一个文本文件，就必须知道他的编码方式，否则用错误的编码方式解读，就会出现乱码。
• Unicode：一种编码，将世界上所有的符号都纳入其中。每一种符号都给予一个独一无二的编码，使用Unicode没有乱码的问题。
• Unicode的缺点：Unicode只限定了符号的二进制代码，却没有规定合格二进制代码应该如何存储；无法却别Unicode和ASCII；计算机无法区分三个字节表示一个符号还是分别表示三个符号。另外，我们知道，英文字母只用一个字节表示就够了，如果Unicode统一规定，每个符号用三个或者四个字节表示，name每个英文字母都必然有2到3个字节是0，这对于存储空间来说是极大的浪费。

UTF-8

• UTF-8是互联网上使用最广的一种Unicode的实现方式。
• UTF-8是一种变长的编码方式。它可以使用1-6个字节表示一个符号，根据不同的符号二变化字节长度。
• UTF-8的编码规则：
  ①对于单字节的UTF-8编码，该字节的最高位是0，其余7位用来对字符进行编码（等同于ASCII码）
  ②对于多字节的UTF-8编码，如果编码包含n和字节，name第一个字节的前n位为1，第一个字节的第n+1位为0，该字节的剩余各位用来对字符进行编码，在第一个字节之后的所有的字节，都是最高两位为“10”，其余6位用来对字符进行编码。