编码表概述

编码表概述

在计算机中无论任何数据的传输、存储、持久化，都是以二进制的形式体现的。

那么当我存一个字符的时候，计算机需要持久化到硬盘，或者保存在内存中。
这个时候保存在内存、硬盘的数据显然也是二进制的。

那么当我需要从硬盘、内存中取出这些字符，再显示的时候，为什么二进制会变成了字符呢？
​
这就是码表存在的意义。
​
码表其实就是一个字符和其对应的二进制相互映射的一张表。
这张表中规定了字符和二进制的映射关系。
​
计算机存储字符时将字符查询码表，然后存储对应的二进制。
计算机取出字符时将二进制查询码表，然后转换成对应的字符显示。
​
不同的码表所容纳的字符映射也是不同的。
​
可以这样理解。
​
在有些码表中一个字符占用1个字节，1个字节能表示的范围是-128到127，总共为256。所以能容纳256个字符映射。
​
而有些码表中一个字符占用2个字节，甚至3个字节，因此能容纳的字符映射也更多。
​

下面按照自己的理解详细讲述一下不同的码表。

常见的码表：

ASCII：
    * 美国码表，码表中只有英文大小写字母、数字、美式标点符号等。每个字符占用1个字节，所有字符映射的二进制都为正数，因此有128个字符映射关系。
​
GB2312：
    * 兼容ASCII码表，并加入了中文字符，码表中英文大小写字母、数字、美式标点符号占一个字节，中文占两个字节，中文映射的二进制都是负数，因此有128× 128 = 16384个字符映射关系。
​
GBK/GB18030：
    * 兼容GB2312码表，英文大小写字母、数字、美式标点符号，占一个字节。中文占两个字节，第一个字节为负数，第二个字节为正数和负数，因为有128× 256 = 32768个字符映射关系。                   
​
Unicode码表：
    * 国际码表，包含各国大多数常用字符，每个字符都占2个字节，因此有65536个字符映射关系。Java语言使用的就是Unicode码表。
    * Java中的char类型用的就是这个码表。char c = 'a';占两个字节。
​
UTF-8码表：
    * 是基于Unicode码表的，但更智能，会根据字符的内容选择使用多个字节存储。英文占一个字节，中文占3个字节。

乱码的原因

* 因为文本在存储时使用的码表和读取时使用的码表不一致造成的。