文件字节数计算

一、背景

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。

二、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，码表中包含英文大小写字母、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。

UTF-8码表：（是Unicode编码表的一种实现形式）

同样是国际码表，但数字、英文占一个字节，中文占3个字节。

三、计算

1、UTF-8码值 

数字、英文占一个字节，中文占3个字节

2、GBK

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

3、ASCLL