java编码-简说

1.String底层在JDK9以后使用字节数组来存储字符串，在JDK8及以下使用char[]来存储字符串。并且均被final修饰

• 为什么要修改字符为字节？节省空间，字符占据两字节，字节占用一个字节

(char是字符，一个字符占两个字节)

2.Java 语言使用 Unicode 字符集，Unicode 为每一个字符都分配的一个唯一的数字，即 这个数字便代表与之对应的字符。

 

Java中的字符（char）

• 下面的程序打印一个字符 ‘楠’ 字：

public class Temp_3 {
	public static void main(String[] args) {
		System.out.println('楠');
		System.out.println((char)26976);
		System.out.println('\u6960');
	}
}

运行结果为：

楠
楠
楠

 

3.Unicode 只是一个字符集，它为每个字符分配一个唯一的数字，从而可以用数字来表达字符，而 UTF-8 是一种编码方式，描述怎样实际存储Unicode 字符对应的数值

4.当变为.class文件时，就可以跨平台使用了(不同平台的使用编码不同)，因为已经完成了从UTF-8编码的文件转成与平台无关的.class文件了，也就是说已经把根据UTF-8编码方式转成了Unicode。

 

5.Unicode为世界上所有字符都分配了一个唯一的数字编号，这个编号范围从 0x000000 到 0x10FFFF(十六进制)，有110多万，每个字符都有一个唯一的Unicode编号，这个编号一般写成16进制，在前面加上U+。例如：“楠”的Unicode是U+6960。而26976即为十进制。

 

---

UTF-8
UTF-8 是目前互联网上使用最广泛的一种 Unicode 编码方式，它的最大特点就是可变长。它可以使用 1 - 4 个字节表示一个字符，根据字符的不同变换长度。编码规则如下：

1. 对于单个字节的字符，第一位设为 0，后面的 7 位对应这个字符的 Unicode 码点。因此，对于英文中的 0 - 127 号字符，与 ASCII 码完全相同。这意味着 ASCII 码那个年代的文档用 UTF-8 编码打开完全没有问题。

2. 对于需要使用 N 个字节来表示的字符（N > 1），第一个字节的前 N 位都设为 1，第 N + 1 位设为0，剩余的 N - 1 个字节的前两位都设位 10，剩下的二进制位则使用这个字符的 Unicode 码点来填充。

编码规则：
对于具体的Unicode编号，进行UTF-8编码的方法：
首先找到该Unicode编号所在的编号范围，进而找到对应的二进制格式，然后将该Unicode编号转换为二进制数有（去掉高位的0）最后将该二进制数一次填充入二进制格式的X中，未填充的X变为0.
例：马的Unicode编号是：0x9A6C，整数编号是39532，其格式为：1110XXXX 10XXXXXX 10XXXXXX，39532对应的二进制为1001 1010 0110 1100，填入为：11101001 10101001 10101100