看了几天的关于字节，url编码，base64，ASCII，Unicode和UTF-8，反码，原码，补码等，做个总结。

https://blog.csdn.net/Deft_MKJing/article/details/79460485

首先引用这篇文章，可以清楚知道ASCII，Unicode和UTF-8是怎么一回事，其中Unicode目前普遍采用的是UCS-2,它用两个字节来编码一个字符，Unicode 只是一个符号集，它只规定了符号的二进制代码，却没有规定这个二进制代码应该如何存储，UTF-8 就是在互联网上使用最广的一种 Unicode 的实现方式，UTF-8 最大的一个特点，就是它是一种变长的编码方式。它可以使用1~4个字节表示一个符号，根据不同的符号而变化字节长度。

注意：所有的东西都是按照对应的编码进行保存的，包括数字，比如-898，都是对应的编码组成的二进制保存在计算机的，用文本工具打开的时候，就要根据保存时所用的编码，比如utf8，gbk等，这样，文本工具才能根据保存时对应的编码正确的解释二进制数据，比如utf8对应的编码，是按多少个字节保存一个字符，保存文本和打开文本用的编码不一致就会乱码，这只是计算机保存数据的一个形式。跟java语言的int转二进制什么的是没有任何直接关系的，跟反码，原码，补码也是没有关系的。

至于java,php等语言，他们是有自己的运行环境，比如jvm，可能相关的就是在载入类的时候，先进行16进制文件->二进制的转换，至于二进制的转换同样需要按照utf8等字符集方式去编译才能知道整个类的所有信息，至于int，char，String等类型，跟utf8是没有关系的，java在运行的时候是根据自己int类型占四个字节，char两个字节根据自己运行环境规定的字节长度去翻译二进制数据的，自己运行的。

java可以根据String.getBytes(encoding)方法是获取指定编码的byte数组表示，通常gbk/gb2312是2个字节，utf-8可变长字节。如果不指定encoding则取系统默认的encoding，即utf8。然后再通过打印字节数组，可以直接获得字符串与utf8编码对应的二进制，十六进制等，可以直接从utf8编码表查询。代码如下：

String s = "严";
        byte[] bytes = s.getBytes();
        for (int i=0;i<bytes.length;i++){
            System.out.println(bytes[i]);
        }
        System.out.println("将严转为不同进制的字符串：");
        System.out.println("可以转换的进制范围：" + Character.MIN_RADIX + "-" + Character.MAX_RADIX);
        System.out.println("2进制："   + binary(bytes, 2));
        System.out.println("5进制："   + binary(bytes, 5));
        System.out.println("8进制："   + binary(bytes, 8));
        System.out.println("16进制："  + binary(bytes, 16));
        System.out.println("32进制："  + binary(bytes, 32));
        System.out.println("64进制："  + binary(bytes, 64));// 这个已经超出范围，超出范围后变为10进制显示

        System.exit(0);

输出结果：

-28
-72
-91
将严转为不同进制的字符串：
可以转换的进制范围：2-36
2进制：111001001011100010100101
5进制：12314130402
8进制：71134245
16进制：e4b8a5
32进制：e9e55
64进制：14989477

其中2进制就是根据utf8字符集转换的，对应的16进制为e4b8a5，对应的unicode是4E25（100111000100101），至于转换规则可以通过文章第一个链接了解。可以通过http://www.mytju.com/classcode/tools/encode_utf8.asp查询

注意：其中通过调试可以查看每个byte转换的二进制，会发现，比如-28，正常会觉得应该是100111000，但是这里却是11100100，因为这是负数的补码，负数转换为补码的过程：负数原码符号位不变，其他取反再加1，即为补码，再补一次可以转换为原码，至于为什么计算会用补码，这是因为电路只有加，没有减法，所以负数所有的展现形式就是补码，有人可能会问，为什么byte的取值范围是-128-127，这是因为byte占一个字节空间，最高位是符号位，剩余7位能表示0-127，加上符号位的正负，就是-127至+127，但负0没必要，而且-0的原码和补码都是10000000，为充分利用，就用补码10000000表示-128，-128没有原码和反码，只有补码。所以byte的取值范围是-128-127。

\u4EBA\u8138\u4F53\u8D28\u8BC6\u522B\u63A5\u53E3，properties文件会将汉字等字符转换为这种编码，其实这种编码就是对应的unicode编码，占两个字符，其中\u为前缀，可以直接在unicode编码表查找对应的字符。

%25E5%25AD%2597%25E7%25AC%25A6，经常会在浏览器地址栏看到这样的字符串，其实这是url编码，因为http协议请求头请求行都只能是ascii可显示的字符，所以像汉字之类，特殊值含有&之类的字符会进行url编码，转换为ascii可显示的字符，至于汉字怎么对应url编码，如“严”，utf8的十六进制为e4b8a5，url编码的时候会变成%e4%b8%a5，如英文问号“?”，utf8的十六进制为3f，url编码的时候会变成%3f，所以是根据utf8来的。

以下为base64转码过程的例子：

3*8=4*6

内存1个字节占8位，使用utf8编码，汉字大多数占三个字节。

转前： 严

16进制：e4b8a5

2进制： 111001001011100010100101

6个一组（4组） 111001 001011 100010 100101

然后计算机是8位的存数 6不够，自动就补两个高位0了

所有有了 高位补0

科学计算器输入 00111001 00001011 00100010 00100101

得到 57 11 34 37

查对base64对照表 5 L i l