encoding与decode的含义

暂时还不太清楚

---

encode叫编码，通俗点就是编成我们看不懂的码，比如我们使用的utf-8来编码的，一个字符串“hello”，我们写在磁盘文件中，并不是我们想象中的这种：磁盘里存的是“hello”字符串，而是经过一层编码操作，最后落在磁盘中是以字节byte的形式存在，或者说是以二进制进行落在磁盘。有图有真相：

那为什么我们点开文件，看到的又是我们手写的“hello”字符串呢？

原因是因为在文件进行输入的时候，又进行了一步解码的操作。
decode解码，也就是我们看不懂的码(字节)解析成了“hello”字符串。

---

其次要说到编解码的方式，那就多了，打开IDEA，右下角有个地方，就展示了很多的编解码方式：

最早的编解码呢，就是ASCII码（American Standard Code for Information Interchange，美国信息交换标准编码），毕竟计算机诞生于美国。
特点：用7位(bit)表示一个字符，举个例子：1100 001 可能就表示a，1100 011 可能就表示c，所以7位其实就可以表示2的7次方个字符，也就是128个字符。
想想，英文26个字母，大小写加起来52个，再加上空格、回车、10个数字等的一些表示，加起来，128个字符其实也是用不完的，所以ASCII码在早期计算机时代，是完全可以用作存储数据的编解码格式。

但计算机传播到其他国家的时候，就发现ASCII码就有点不够用了，比如意大利啊、法国啊、俄罗斯啊这些，说的是俄文啊、罗马文等等，不同于美国那边的英文语种，所以就出现了新的编解码方式：ISO-8859-1。

这个编解码方式的特点呢就是用8位(bit)表示一个字符，也就是1个字节(byte)来表示一个字符，1byte=8bit大家都知道吧。
同理他就可以表示2的8次方，也就是256个字符，因为是从ASCII码发展过来的，所以ISO-8895-1是兼容ASCII码的，也就是字符a的表示在ISO-8895-1也是0110 0001。

不用我说，大家也知道了，计算机发展到亚洲来了，中国、日本啊等等国家，特别像咱们中国，汉字这么多，上面两种编解码方式肯定是行不通的，所以又发展出了一种新的出来：gb2312。

gb是啥，国标，很明显就是取得汉字拼音首字母，而不是取得country standard的首字母，所以他针对的是咱们中国的标准。
gb2312对所有的汉字进行了一个编码，使得汉字呢有一个特定的编码与之对应，常见的汉字就有几千个了，所以gb2312用的是2个字节来表示一个汉字。
但是gb2312对于一些生僻字没有考虑的很全面，导致在有些场景不是非常适用。

所以出现了gbk，这是对gb2312的一个扩展，将一些生僻字加入进来。但还是有些字没有全部包括进来，毕竟中华文化博大精深…
所以出现了gb18030，没完没了了…
这个是汉字最完整的表示格式，表示的汉字是最多的。

我想大家应该也知道，咱们国家的宝岛台湾用的是繁体字，所以那边用的big5，这个和上面的gb没啥关系，并不互相兼容。

除此之外，其他国家可能也有自己独特的文字体系，可能像咱们一样制定了自己的编解码体系，那就有点复杂了，日本的一个文件传到我们国家来，还得去找到对应日本的编解码格式进行查看，太不人性化了。

最好弄出一个编解码格式能够满足全球所有的文字的字符集，所以Unicode就出现了，它是最全的字符集编解码格式，采用了2个字节来表示一个字符。

那全球统一用Unicode不就可以了呗，就不存在不同语种之间编解码格式不一样的问题了，确实是这样，但是还有些头疼的问题。
对于美国而言，最开始就是用的ASCII或者ISO-9855-1的编解码格式，以前存储一个字符可能1个字节就够了，现在换成Unicode，需要2个字节来存储原来一个字节就可以存储的一个字符，但是很明显会造成空间的浪费，本来用ASCII格式来存只需要1M的空间，换成Unicode就需要2M左右的空间了。
所以Unicode不是很适合存储。

于是乎出现了UTF，Unicode Translation Format。

我们最熟知的是UTF-8，但UTF-8和前面的Unicode、gbk等等还是有区别，前面的都是编码格式，而UTF-8是存储方式，而且UTF-8是Unicode的实现方式之一。
这里可能不太好理解，比如我们想要存储’a’字符，如果我们使用UTF-8来进行编码成字节然后落到磁盘上，首先是使用Unicode进行编码：

0000 0000 0110 0001

然后存储在磁盘的时候，使用UTF-8进行存储，UTF-8有个特点，就是变长的形式进行存储(有点像mysql的varchar哈)，所以最后落到磁盘上的存储格式为：

0110 0001

换句话说，UTF-8是兼容ASCII和ISO-8895-1的。

通常UTF-8存储汉字使用3个字节，有图有真相：

上面字符’你’乱码了？因为我解码的时候使用了ASCII码的格式，应该使用和我编码格式一样的UTF-8：