这篇博客讲得更加详细:https://www.cnblogs.com/davidwang456/p/7766956.html
【由来】
计算机早期只能识别二进制数据,早期由来是电信号,为了方便应用计算机,让它可以
识别各个国家的文字(也就是让计算机和生活中的文字产生对应关系)。就将各个国家的文字
用数字来表示,并一一对应,形成一张表。这就是编码表的由来。
ASCII:美国标准信息交交换码
用一个字节的7位可以表示
ISO8859-1:拉丁码表。欧洲码表
用一个字节8位表示
GB2312:中国的中文编码表
GBK:中国的中文编码表升级,融合了更多的中文文字符号。
由于各个国家都有对应的码表,国际组织为了融合各个国家的文字,就建立了一个通用的国际编码表Unicode
Unicode:国际标准码,融合了多种文字。
所有文字都用两个字节来表示,java语言使用的就是unicode
UTF-8:最多用三个字节来表示一个字符。
U就是Unicode的意思,TF转换格式,8是按最低字节定义的,如果你的内容能用一个字节
装那就用一个字节装,一般一个字节都会装ASCII,如果一个字节装不下就用两个字节装,如果两个字节装不下就用三个字节装。
【简单的编码解码】
public class EncodeDemo{
public static void main(String [] args){
/**
*字符串--->字节数组:编码
*字符数组------>字符串:解码
*/
String str="你好";
byte [] buf=str.getBytes();//使用平台默认字符集
printBytes(buf);//输出:-60 -29 -70 -61为什么是负数呢?因为一个中文两个字节,每个字节的高位都是1打头
byte [] buf2=str.getBytes("UTF-8");//指定字符集
printBytes(buf);//输出:-28 -67 -96 -27 -91 -67
}
private static void printBytes(bytep[]buf){
for (byte b:buf){
System.out.println(b);
}
}
}
【编码问题】
问题1:如果编码错了,是解不出来的。
如:String str="你好";
byte[]buf=str.getBytes("iso8859-1");
这样是无论如何都解码不了的。
问题2:如果编对了,解错了,可能有救
如:String str="你好";
byte[]buf=str.getBytes("gbk");
String s1=new String(buf,"iso8859-1");
System.out.println("s1-"+s1);
输出:????,四个问号,这四个问号不是真的都是问号,只是显示不出来而已
byte[]buf2=s1.getBytes("iso8859-1");
String s2=new String(buf,"gbk");
System.out.println("s2-"+s2);
这样就可以正确解码了
问题3:UTF-8乱码问题
如:String str="你好";
byte[]buf=str.getBytes("gbk");
String s1=new String(buf,"UTF-8");
System.out.println("s1-"+s1);
输出:???
byte[]buf2=s1.getBytes("UTF-8");
String s2=new String(buf,"gbk");
System.out.println("s2-"+s2);
输出:锟斤铐锟?
原因:
在UTF-8中未知字符会用固定的编码-17 -65 -67
编码都变了,所以再次解码时肯定不会得到正确的字符串的。
但是如果, str="谢谢";用上面的代码是可以回到正常的字符串的,因为在UTF-8有对应
的编码。
那为什么iso8859-1没事呢?
因为iso8859-1它是单字节编码,而UTF-8能识别三个字节