字符集总结

字符集总结

ASCII码

要点

• 包括了英文，符号，没有汉字
• 一个字节(8位)存储一个字符，首位是0，所以一共 8-1=7位来表示，所以可以表示128个(2的7次方)个字符

局限

• 对于美国人来说够用，但是对于汉字和其他语言而言就不够

GBK编码

• 也是汉字内码拓展规范，国标，即汉字编码字符集
• 其中一个中文字符编码成两个字节的形式表现

匹配机制

• 汉字字符的二进制表示第一个字节的首位一定是1
• 兼容了ASCII，首位是1也匹配

Unicode字符集

是国际组织制定的，可以容纳世界上所有文字和符号的字符集

UTF-32是四个字节表示一个字符 但是这样太浪费了 弃用

UTF -8

• 是Unicode字符集的一种编码方案，可变长，分为1个字节 ，2个字节，3个字节，4个字节
• 英文字符，数字占一个字符，兼容ASCII编码，汉字字符占3个字节

匹配机制

• 红色标明的不能改，将汉字编码后填充进去

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-3J04RAT2-1666519182773)(http://pic.msky31.top/i/2022/10/10/zlhzfu.png)]

注意的点

• 编码时使用字符集，和解码时使用的字符集必须一致，不然会乱码，原因是因为匹配不到需要的二进制码
• 一般英文和数字不会乱码，是因为很多字符集都基本兼容了ASCII编码

编码与解码

• 编码：把字符按照指定字符集编码成字节
• 解码：把字节按照指定字符集解码成字符

Java实现

编码

• byte[] getBytes()方法

String data="wo爱ni";
//使用默认编码
byte[] b1=data.getBytes();
//指定编码方式
byte[] b2=data.getBytes("GBK");

解码

• String(byte[] bytes)方法

//默认
String s1=new String(b1);
String s1=new String(b1);
//指定
String s1=new String(b1,"GBK");

(b1);

String s1=new String(b1);
//指定
String s1=new String(b1,"GBK");