【附章5计算机字符编码】多种字符编码集的说明

❤写在前面
❤博客主页：努力的小鳴人
❤系列专栏：JavaSE超详总结😋
❤欢迎小伙伴们，点赞👍关注🔎收藏🍔一起学习！
❤如有错误的地方，还请小伙伴们指正！🌹

🔥系列传送门：JavaSE超详总结😋
【11章Java泛型】全面解读Java泛型【热榜】
【10章Java集合】几张脑图带你进入Java集合的头脑风暴
【09章Java注解】让你全面认识这未来潜力巨大的「注解」【热榜】
【08章Java枚举类】简单易懂的enum【热榜】
【07章Java常用类】盘点 Java常用类【热榜】

---

一、基础知识

1. 位 bit 最小的单元
   字节 byte 机器语言的单位 1byte=8bits
   1KB=1024byte
   1MB=1024KB
   1GB=1024MB
2. 二进制 binary
   八进制 octal
   十进制 decimal
   十六进制 hex
3. ●字符：是各种文字和符号的总称，包括各个国家的文字，标点符号，图形符号，数字等。
   ●字符集：字符集是多个符号的集合，每个字符集包含的字符个数不同。
   ●字符编码：字符集只是规定了有哪些字符，而最终决定采用哪些字符，每一个字符用多少字节
   表示等问题，则是由编码来决定的。计算机要准确的处理各种字符集文字，需要进行字符编码，
   以便计算机能够识别和存储各种文字。

二、ASCII

American Standard Code for Information Interchange
美国标准信息交换代码
用一个字节的7位可以表示

美国国家标准协会 ANSI 制定的一个标准，规定了常用字符的集合以及每个字符对应的编号，这就是 ASCII 字符集

1. 是基于拉丁字母的一套电脑编码系统，主要用于显示现代英语和其他西欧语言，它是现今最通用的单字节编码系统
2. 0到31及127(共33个)是控制字符或通信专用字符(其余为可显示字符)
   32到126(共95个)是字符(32是空格)，其中48到57为0到9十个阿拉伯数字
   65到90为26个大写英文字母
   97到122号为26个小写英文字母
   其余为一些标点符号、运算符号
   
3. ASCII是美国标准，它不能良好满足其它讲英语国家的需要

三、ISO8859-1

拉丁码表。欧洲码表

单字节编码

1. 向下兼容ASCII
   其编码范围是0x00-0xFF，0x00-0x7F之间完全和ASCII一致，0x80-0x9F之间是控制字符，0xA0-0xFF之间是文字符号
2. ISO-8859-1收录的字符除ASCII收录的字符外，还包括西欧语言、希腊语、泰语、阿拉伯语、希伯来语对应的文字符号
3. ASCII编码是一个7位的容器，ISO-8859-1编码是一个8位的容器
4. 因ISO-8859-1编码范围使用了单字节内的所有空间，在支持ISO-8859-1的系统中传输和存储其他任何编码的字节流都不会被抛弃，换言之，把其他任何编码的字节流当作ISO-8859-1编码看待都没有问题
   

四、GB2312

信息交换用汉字编码字符集

1. 中国的中文编码表：最多两个字节编码所有字符
2. 收录六千七百六十三个汉字，其中一级汉字三千七百五十五个，二级汉字三千零八个
3. 适用于汉字处理、汉字通信等系统之间的信息交换，通行于中国大陆
4. 信息交换用汉字编码字符集和汉字输入编码之间的关系是，根据不同的汉字输入方法，通过必要的设备向计算机输入汉字的编码，计算机接收之后，先转换成信息交换用汉字编码字符，这时计算机就可以识别并进行处理
5. 汉字输出是先把机内码转成汉字编码，再发送到输出设备

五、GBK

信息交换用汉字编码字符集--基本集
Chinese Internal Code Specification

1. 中国的中文编码表升级，融合了更多的中文文字符号：最多两个字节编码
2. GBK编码标准兼容GB2312，共收录汉字21003个、符号883个，并提供1894个造字码位，简、繁体字融于一库
3. GBK码对字库中偏移量的计算公式为：
   [(GBKH-0xB0)0x5E+(GBKL-0xA1)](汉字离散后每个汉字点阵所占用的字节)
4. 所有字符包括在a1到a9中a1到fe的部分及a8,a9中40~a0的部分，包括标点符号、数学符号、数字序号、全角数字字母、日文平假名、片假名、希腊字母、俄文字母、图形符号、制表符、拼音、注音符号等

六、Unicode

国际标准码
所有的文字都用两个字节来表示

1. Unicode是计算机科学领域里的一项业界标准，包括字符集、编码方案等
2. 为每种语言中的每个字符设定了统一并且唯一的二进制编码，以满足跨语言、跨平台进行文本转换、处理的要求
3. 目前的Unicode字符分为17组编排，0x0000至0x10FFFF，每组称为平面(Plane)，而每平面拥有65536个码位，共1114112个。然而目前只用了少数平面。UTF-8、UTF-16、UTF-32都是将数字转换到程序数据的编码方案

传送门🔥 >>> Unicode字符列表

七、UTF-8

1. UTF-8以字节为单位对Unicode进行编码。从Unicode到UTF-8的编码方式 如下:
   
2. 特点是对不同范围的字符使用不同长度的编码。对于0x00-0x7F之间的字符，UTF-8编码与ASCII编码完全相同
3. 变长的编码方式，可用1-4个字节来表示一个字符
4. 例1:"汉"字的Unicode编码是0x6C49
   0x6C49在0x0800-0xFFFF之间，使用3字节模板:1110xxxx 10xxxxxx 10xxxxxx
   将0x6C49写成二进制是:0110 1100 0100 1001， 用这个比特流依次代替模板中的x
   得到:11100110 10110001 10001001，即E6 B1 89

🎁总结：多种字符编码集的说明了解了解心中有数嘿嘿
👌 作者算是一名Java初学者，文章如有错误，欢迎评论私信指正，一起学习~~
😊如果文章对小伙伴们来说有用的话，点赞👍关注🔎收藏🍔就是我的最大动力！
🚩不积跬步，无以至千里，书接下回，欢迎再见🌹