J2SE——java&C++不同之字符型：Unicode编码 & ASCII及扩充ASCII编码

java是从C++的基础上衍生出来的，把C++当做java的基础，相较其它语言它们必定更相近，当然作为C++的改进版，从java改进的地方我们可以窥见出这种语言为什么能如此盛行，为什么能与老牌基础语言一争高下。

首先看基础数据类型的不同，对比一下C++和java基础类型占用空间如下图：

可以看出：

1）java有的基础数据类型C++都有；

2）java里没有C++基础类型的派生类型（就是字符型char、整型int等有没有修饰符号sign、长long短short等）；

3）两种语言相同数据类型的存储空间大致相同，除了字符型char。

C++的char只占1byte，而java却要占2bytes，这是为什么呢？

我们看它们的取值范围：C++字符型的取值范围是全部基本字符以及ASCII码集或扩充ASCII码集对应的全部符号；JAVA字符型的取值范围是Unicode字符集。

ok，那么什么是ASCII码？什么又是Unicode码？

这，就要追溯到晶体管了，简单的讲就是有个实验室发明了晶体管，每个晶体管可以表达一个二进制存储信息1bit（0、1）。计算机都是二进制存储的嘛，但是所有的数据都要这么精确表示就累死计算机了。所以有群人认为8个晶体管（历史上曾经4、6过，只是现在8位横行天下）可以表达一切信息，就发展成了现在最小的存储单元——字节byte，所以1Byte=8bit。

一个8位的字节可以有2的8次方（256）种表示，最开始使用计算机的那拨人就把这256种规定了一下，0到32用作特殊用途，接点其他电子设备等等，之后用到的33到127位都是键盘上的键，这就是最初的ASCII（American Standard Code for Information Interchange，美国信息互换标准代码）。后来为了编辑表格，又填了点横竖线什么的，因此128到255这部分叫“扩展字符集”。详情参见：百度百科：ASCII

当然当非英语国家使用计算机的时候，这128种里可没有他们的文字符号，怎么办？把127号后面全删了，构建我们自己的新标准，然后世界各地又兴起了一堆标准，比如中国的编码标准，把俩ASCII码凑一起表示中国字的双字节的GB2312。

标准这么多，对编码就相当麻烦，没对上是很容易乱码，于是乎就得统一统一。统一首先解决字符不够的问题。重点就来了，新的标准直接采用双字节做一个存储单位，无论英文半角、还是中文全角的都用潇洒的占了一个2bytes的空间。这就是豪华大气的为统一全世界语言文字而诞生的Unicode编码。

两个8位的字节可以有2的16次方（65536）种表示，基本字符已经妥妥的包括了。没包含的也有办法，为您准备了豪华UCS-4套餐，32bit，2的32次方，可以表达42亿+，还是够现代人使用的。当然目前USC-4这种方法最大的特点还是啰嗦，放心，我们一般不用它。

说到啰嗦，半角的英文占个2bytes的空间也是让我们感觉浪费，存储一篇英文文件，一半的空间用来装Unicode的高冷了。所以，Unicode又分成了UTF8（8位，网页比较流行）党和UTF16（16位，Windows模式下）党。

说了这么多，ASCII和Unicode差不多已经解释完了。

对比两种编码ASCII老牌，Unicode实现了大一统。java能开源，Unicode功不可没。索性Windows NT已经支持Unicode了，非相同语言的系统下交流Unicode可能比较好使，比如Windows的记事本。

这里有一个著名的现象，在Windows下新建一个txt文件，输入“联通”，保存→关闭→再打开，再出现的就是乱码。