编码问题

编码问题，说是一个小问题，当然不出问题的时间就是没有问题。当出了问题的时候，你才会发现这其实是一个大大问题。
字符编码是计算机技术的基石，想要熟练使用计算机，就必须懂得一点字符编码的知识
1. ASCII码
我们知道，在计算机内部，所有的信息最终都表示为一个二进制的字符串。每一个二进制位（bit）有0和1两种状态，因此八个二进制位就可以组合出256种状态，这被称为一个字节（byte）。[color=orange]ASCII码一共规定了128个字符的编码，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[/color]。
2.Unicode码
Unicode码，是一种通用的国际标准。 Unicode给每个字符提供了一个唯一的数字，不论是什么平台、不论是什么程序、不论什么语言。Unicode码指的是UCS-2编码方式，即直接用两个字节存入字符的Unicode码。[color=orange]值得注意的是，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[/color]。
3. UTF-8
UTF-8就是在互联网上使用最广的一种unicode的实现方式。UTF-8最大的一个特点，就是它是一种变长的编码方式。
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[color=orange]对于英语字母，UTF-8编码和ASCII码是相同的[/color]。
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。
4.GBK
GBK编码也是平时比较常见的编码方式。GBK编码，是微软利用GB 2312-80未使用的编码空间，收录GB 13000.1-93全部字符制定了GBK编码。GB 2312-80只收录6763个汉字，这远远不够收录完几万多的中国汉字的。GBK自身并非国家标准，居然还是微软制定的 :cry: 。之后中国质量技术监督局于2000年3月17日推出了GB 18030-2000标准，之后又出了 GB18030-2005。ASCII—GB2312—GBK—GB18030他们都是向下兼容的，区分英文编码和中文编码的方法是高字节的最高位不为0，其实GB中文编码都是双字节字符集。
网上查了一下，GB 18030与GBK基本兼容，不是完全兼容。

项目中，我遇见了java操作文本文件的问题，总结了一些知识。
1、如果一个文件只用到了英文，没有中文，不管你用GBK，还是UTF-8去打开文件，都不会有乱码。因为GBK与UTF-8都兼容ASCII。
2、WINDOWS下，记事本、Dreamweaver等编辑器会在文件开头加入BOM信息。[color=orange]在处理这些文件的时候一定要去掉BOM。[/color]
3、不同的操作系统对换行的处理也不同。Unix系统里，每行结尾只有"<换行>"，即"\n"；Windows系统里面，每行结尾是"<回车><换行>"，即"\r\n"；Mac系统里，每行结尾是"<回车>"。一个直接后果是，Unix/Mac系统下的文件在Windows里打开的话，所有文字会变成一行；而Windows里的文件在Unix/Mac下打开的话，在每行的结尾可能会多出一个^M符号。