字符集基础知识:
- 计算机底层不可以直接存储字符的。计算机中底层只能存储二进制(0、1)
- 二进制是可以转换成十进制的
- 结论:计算机底层可以表示十进制编号。计算机可以给人类字符进行编号存储,这套编号规则就是字符集。
ASCII字符集:
- ASCII(American Standard Code for Information Interchange,美国信息交换标准代码):包括了数字、英文、符号。
- ASCIl使用1个字节存储一个字符,一个字节是8位,总共可以表示128个字符信息,对于英文,数字来说是够用的。
GBK:
- window系统默认的码表。兼容ASCI1码表,也包含了几万个汉字,并支持繁体汉字以及部分日韩文字。
- 注意:GBK是中国的码表,一个中文以两个字节的形式存储。但不包含世界上所有国家的文字。
Unicode码表:
- unicode (又称统一码、万国码、单一码)是计算机科学领域里的一项业界字符编码标准。
- 容纳世界上大多数国家的所有常见文字和符号。
- 由于Unicode会先通过UTF-8, UTF-16,以及 UTF-32的编码成二进制后再存储到计算机,其中最为常见的就是UTF-8
注意:
- Unicode是万国码,以UTF-8编码后一个中文一般以三个字节的形式存储。
- UTF-8也要兼容ASCI编码表。
- 技术人员都应该使用UTF-8的字符集编码。
- 编码前和编码后的字符集需要一致,否则会出现中文乱码。
- 英文和数字在任何国家的编码中都不会乱码。
字符集的编码、解码操作:
代码演示如下:
public class Test { public static void main(String[] args) throws Exception { //1.编码:把文字转换成字节(使用指定的编码) String name = "abc我爱你中国"; byte[] bytes = name.getBytes(); // 以当前代码默认字符集进行编码(UTF-8) //byte[] bytes = name.getBytes("GBK"); // 指定GBK编码 System.out.println(bytes.length); System.out.println(Arrays.toString(bytes)); //2.解码:把字节转换成对应的中文形式(编码前 和 解码后的字符集必须一致,否则乱码) String rs = new String(bytes); // 默认的UTF-8 //String rs = new String(bytes,"GBK"); // 指定GBK解码 System.out.println(rs); } }