入门篇:
就记住一句话就能入门了:要想不出现乱码,输入(存)的时候的字符格式,和输出(显示)时的字符格式必须要一致。也就是,编码采用的格式和解码采用的格式相同。比如,编辑器编辑时候用的格式是“UTF-8”,那么输出时候采用的浏览器也必须使用“UTF-8”。
进阶篇:
不同的编码格式,影响字符读写的原因,在于不同的字节组合,在不同的编码格式下,表示的内容不同,相同的内容,在不同的编码格式下读写,所保存的字节和字节的组合是不同的。
一般Unicode编码,每个文字都占2个字节。而UTF-8字符编码,有特殊规则,有时候一个文字占1个字节,比如英文。有时候一个文字占2~3个字节,比如汉字。这样,像HTML网页源文件在传输的时候,由于有大量的英文存在,同时有需要兼顾一些中文,因此中文网站的编码格式一般为UTF-8,这样做的好处是,大量的英文可以以1个字节的大小传输,节约带宽和内存,而对于少量的中文又不欠缺处理能力。
终极篇:
要认清楚计算机表示文字的本质,计算机只能表示数字,并且是二进制0101,你看到的文字背后,其实是二进制0101的一串排列,并不是汉字本身
要注意的是,二进制内容和文本内容的区别,比如一个数字,在内存中的存放方式是那个数字的二进制,而如果将它按照文本内容显示,则是完全不同的另一套编码。
Java中的getBytes方法,是把字符串对象表示成字节数组,但注意的是,此时看到的字符串和编辑器有关,也就是说字符串对象是当前编辑器的编码格式,getbytes后,获得的是字节数组,和任何编码格式无关,仅仅是一个个字节,是计算机内部表示的内容。而这一步其实是一个在底层发生了转码,从一种编码转换到了另一种编码。