编码格式

JAVA中的字符，使用的都是Unicode编码。而显示输出和键盘都是采用本地编码。


UTF-8是一种比较常用的编码格式，它是Unicode编码的延伸：它里面的ASCII码只占1个字节，而其他国家的字符，占2或3个字节。


某个字符具体是占几个字节，取决于其所对应的Unicode码的16进制表示的范围：
如果某字符所对应的字节的高位，第1个bit位为0，它就只占用1个字节。
如果某字符所对应的字节的高位，前3个bit位为110，它就占用2个字节。
字节的第2位，前2个bit位为10。
如果某字符所对应的字节的高位，前4个bit位为1110，它就占用3个字节。
字节的第2和第3位，前2个bit位都为10。


UTF-8编码，相对于Unicode编码来说，有以下优点：

1，对于ASCII码来说，UTF-8不会出现内容为0x00的情况。（0x00与某些编程语言有一定的冲突）

2，便于应用程序检测数据在传输过程中是否发生了错误。(例如传输中字符丢失问题，因为UTF-8的字节开头都为0，110或1110这3种，所以丢了某个字节后，也可以判断下一个字符是从哪个字节开始的)

3，节省ASCII码（英文）类型文件的存储空间，因为UTF-8的ASCII码类型数据的储存只占1个字节，而Unicode却是占2个。而且ASCII码格式的文件不需要转换就会符合UTF-8编码的格式。


它的缺点：对于像中日韩等国家的文字，大都占3个字节，造成资源浪费。


UTF-16编码，是对Unicode编码的扩充，对Unicode编码没有影响（也就是说，某个字符用Unicode的表现形式和UTF-16并没有什么区别）。它只是增加了一些Unicode编码中没有表示的语言种类。

因为UTF-16新增加的语言大都用不到，所以可以大致的认为UTF-16和Unicode编码之间没有区别。

UTF-16和Unicode编码格式的字符，在不同体系结构的计算机系统中，在内存中的字节储存位置是不同的。例如：
在Intel CPU的计算机中，内存总是先储存低字节（例如个位，十位等不重要的字节），后储存高字节（例如百位，千位）。而在其他CPU的计算机中却相反。


为了尽量保持外来字符串的正确性，采用一个字节一个字节读取的方式是最稳妥的。

字节是表示计算机内存中最原始的数据，不会产生编码问题。
只有当把字节当作字符来处理的时候，才会有编码问题。