关于字符编码的理解

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。