Java基础知识总结3——ASCII码&Unicode&UTF-8

ASCII码

上世纪60年代，美国制定了一套字符编码，对英语字符与二进制位之间的关系，做了统一的规定，称为ASCII码。ASCII码共规定了128个字符的编码，其中包括32个不能打印出来的控制符号。这128个符号只占用一个字节的后面7位，最前面的1位统一规定为0。

缺点：

①不能表示所有字符

②相同的编码表示的字符不一样

Unicode编码

每一个符号都给予一个独一无二的编码，使用Unicode没有乱码问题。

缺点：

Unicode只是一个符号集，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，无法区别Unicode和ASCII：计算机无法区分三个字节表示一个符号还是分别表示三个符号。

UTF-8

UTF-8是在互联网上使用最广的一种Unicode实现方式，是一种变长的编码方式。可以使用1-6个字节表示一个符号，根据不同的符号而变化字节长度。

编码规则：

①对于单字节的UTF-8编码，该字节的最高位为0，其余7位用来对字符进行编码（等同于ASCII码）。

②对于多字节的UTF-8编码，如果编码包含n个字节，那么第一个字节的前n位为1，第一个字节的第n+1位为0，该字节的剩余各位用来对字符进行编码。在第一个字节之后的所有字节，都是最高两位为"10"，其余6位用来对字符进行编码。