[进阶]Java：IO前置内容：字符集

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);
    }
}