字符集、编码解码

字符集

计算机是美国人发明的，由于计算机能够处理的数据只能是0和1组成的二进制数据，为了让计算机能够处理字 符，于是美国人就把他们会用到的每一个字符进行了编码（所谓编码，就是为一个字符编一个二进制数据 ）

美国人常用的字符有英文字母、标点符号、数字以及一些特殊字符，这些字符一共也不到128个，所以他们用1个 字节来存储1字符就够了。美国人把他们用到的字符和字符对应的编码总结成了一张码表，这张码表叫做ASCII码表（也叫ASCII字符集）。

其实计算机只在美国用是没有问题的，但是计算机慢慢的普及到全世界，当普及到中国的时候，在计算机中想要 存储中文，那ASCII字符集就不够用了，因为中文太多了，随便数一数也有几万个字符。于是中国人为了在计算机中存储中文，也编了一个中国人用的字符集叫做 GBK 字符集，这里面包含2万多个汉字 字符，为了能够显示英文字母， GBK 字符集也兼容了ASCII字符集，   GBK 字符集中一个字母还是采用一个字节 来存储 。

汉字和字母的编码特点：

如果是存储字母，采用1个字节来存储，一共8位，第一位是0

如果是存储汉字，采用2个字节来存储，一个是16位，第一位是1

 当读取文件中的字符时，通过识别读取到的第1位是0还是1来判断是字母还是汉字

如果读取到第1位是0，就认为是⼀个字⺟，此时往后读1个字节。

如果读取到第1位是1，就认为是⼀个汉字，此时往后读2个字节。

 GBK：

GBK一个字母占1个字节，一个汉字占2个字节；表示中国人使用的汉字

Unicode：

因为各个国家互不兼容，所以有了通用的一套字符集：Unicode字符集，它一个字符采用4个字节存储；一个字母、数字占1个字节，一个汉字占3个字节

UTF及特点：

但对于说英语的国家只需要26个大小写字母和标点，本身一个字节就可以表示，用4个字节就比较浪费，所以又对Unicode字符集中的字符进行了重新编码，设计了三种编码方案，分别是UTF-32 , UTF-16 , UTF-8,其中比较常用的是UTF-8。

UTF-8是一种可变长的编码方案，英文字母和数字占1个字节，汉字占3个字节，极少数字符占4个

UTF-16是一种固定长度编码，通常情况一个汉字占2个字节，一些特殊汉字（编码超过了0xFFFF）会占4个字节（2个16位代码单元）

UTF-32是一种固定长度编码，每个字符都占用4个字节（32位）

---

编码和解码：

编码：把字符串按照指定的字符集转为字节数组

/*编码*/
String date="a我b";
byte[] bytes=date.getBytes();
System.out.println(Arrays.toString(bytes));//[97, -26, -120, -111, 98]
/*按指定字符集进行编码*/
byte[] bytes1=date.getBytes("GBK");
System.out.println(Arrays.toString(bytes1));//[97, -50, -46, 98]

解码：把字节数组按照指定的字符集转换为字符串

/*解码*/
String s1=new String(bytes);
System.out.println(s1);  //a我b
String s2=new String(bytes1,"GBK");
System.out.println(s2);  //a我b

CharSet：

在Java中， Charset 是一个表示字符集的类，它位于 java.nio.charset 包中。 Charset 类提供了用于处理字符编码的工具和方法，是一个抽象类。它用于表示字符编码的规范，可以用于字符编码和解码操作。

首先通过forName()来设置编码和解码字符集，类中提供 encode 与 decode 分别对应 char[] 到 byte[] 的编码和 byte[] 到 char[] 的解码,用法如下：

Charset charset = Charset.forName("UTF-8");   
ByteBuffer byteBuffer = charset.encode(string);   
CharBuffer charBuffer = charset.decode(byteBuffer);