java编码格式

一、编码格式

1、ASC码表：美国信息标准交换码（这是最初的一个表，其中的字母用各种各样的数字进行代替）。

2、GB2312：中国汉字的编码表（里面收录了几千个中国常用汉字和字符）。

3、GBK：GB2312的扩容版（里面收录了两万多的中国汉字，因为中国汉字博大精深）。

4、18030表：相当于GBK的扩容版（里面收录了各个民族的字，后期会讲到）。

5、Unicode表：将世界上所有的语言中的文字进行的整合，所产生的一个表（里面无论什么字符都用两个字节进行表示，也就是16个二进制位）

6、UTF-8表：Unicode表进行优化之后的一个表（该使用一个字节的用一个字节，该用两个或者三个的用两个或者三个）。

二、UTF-8编码格式
1、概述：
和别的表不一样，utf-8表有“表头”，会自动辨别是用3个字节还是2个字节存储一个字符。java默认使用的是Unicode编码形式，UTF-8的全称是：Unicode Transform Format - 以最小8为单位

2、注意：
在使用中国平常的编码表GBK的时候，如果转换成utf-8的话，可能会出现错误，乱码之类的东西，因为数值对应的汉字不相同。

三、GBK和UTF-8的编码格式转换
 String s="哈哈哈"; //字符串
 byte[] b=s.getBytes("gbk");  //指定编码格式是gbk转换成字节数组
 System.out.println(Arrays.toString(b)); //按照gbk的编码格式转换成字符串之后，输出一下字节数组，看看是什么样的形式
 String s1=new String(b,"UTF-8"); //将上面用gbk编码的字节数组用utf-8解码格式进行解码，输出的字符串自己才能看懂
 System.out.println(s1);  
  
 代码第二部分，按照以上的格式进行编码，但是同样出错：
  
 byte[] b1=s1.getBytes("UTF-8");  //将上面的s1字符串用utf-8编码格式进行编码
 System.out.println(Arrays.toString(b1)); //输出一下用utf-8编码格式的字节数组
 String s2=new String(b1,"gbk"); //将上面的用utf-8编码格式的字节数组进行解码
 System.out.println(s2);  //输出一下用utf-8解码之后的String类型的字符串

 /*
  * 为什么下面的代码经过错误编码之后还是出现乱码呢？
  * 答案：因为gbk编码格式和utf-8编码格式同样都支持中文，所以会出现乱码！！！
  * 这样就不难理解了吧
  * */ 

四、编码格式转换
在开发的过程中，经常会遇到各种各样编码错误的问题。

比方说：
在中国经常使用的gbk格式编码，但是tomcat服务器使用的是iso8859-1编码格式，只认识英文，因为是老美那帮伙计编写的，没有办法。这个时候就需要编码格式的转换。一般在浏览器中使用的资料的提交，如果是使用的是get方法提交的话，如果浏览器的编码格式和tomcat的编码格式不相同的话，只能进行编码格式的二次转换，就是说：在服务器端只能编一次，再解一次。如果使用的是post方法提交的话，可以通过服务器当中一个对象的函数setCharactorEncoding设定字符编码，指定gbk，自动帮我转换。

解决办法：
为什么不让tomcat直接指定编码格式为gbk啊？当然这个是完全可以的，但是你想一想，一个服务器可以同时部署很多个网站，有的网站使用的是这个编码格式，有的网站使用的是哪个编码格式，如果都统一使用gbk，那么你访问网站的时候，会出现意想不到的乱码，所以如果想要让全球统一的话，只有两种方法，一种是继续使用ios8859-1编码格式，一种是中国统一世界，然后统一使用gbk编码格式，相对于第一种，我比较喜欢第二种

五、“编码”&“解码"
字符串变字节数组：编码（将自己“知道”的内容变成“不知道”的内容，但是让机器明白是什么东西，就是编码）
字节数组变字符串：解码（将自己“不知道”的内容变成“知道”的内容，但是让机器不明白是什么东西，就是解码）

六、“联通”和“蔚”问题
发现一个”有意思“的问题，就是创建一个文本文件，在里面写入“联通”，保存退出，再打开文件，会出现乱码！从同学那儿借鉴过来的内容：

1、ASCII的霸权：
起初，是一些人想用8个晶体的亮灭表示世间万物，于是产生了“编码”，最早是美国人发明了ASCII字符集(American Standard Code for Information Interchange，美国信息互换标准代码）用来存储英文字符，一个字节8位，可以表示2^8=256个符号，其中0~32特殊用途（0x20以下）；32~127 存储 英文；128~255为扩展字符集；

2、GB2312的来历：
中国人想用电脑读写汉字，256个字符不够用怎么办？于是果断舍弃127之后没用的字符，并且在ASCII的基础上规定如果一个字符小于127则表示原字符，即所谓的半角字符，如果连续两个字符大于127则表示一个汉字，即全角字符。这就是GB2312，它实际是ASCII的中文扩展。后来又有了GBK，GB18030，都是对汉字字符集的扩充。

3、UNICODE的大一统：
一个叫 ISO （国际标谁化组织）的国际组织决定用16位来表示地球上所有文字，于是产生传说中的"Universal Multiple-Octet Coded Character Set"，简称 UCS, 俗称 "UNICODE"。它规定两个字节为一个字符，英文高8位都是0，但问题是GBK 与UNICODE 在汉字内码编码完全不同。这为谣言埋下了伏笔....

4、UTF8的传输：
互联网上70%的内容是英文，而UNICODE英文高8位为0，如果采用UNICODE传输无疑造成空间浪费，于是产生UTF8即每次8个位传输数据，当然还有UTF16，UTF32，都是按一定规则转化后的编码形式。

5、总结：
这样就可以解释记事本不能显示的问题了，实际上，“联通”这两个字符的GBK编码具有UTF-8编码的特征，记事本犯下的错误正是将GBK编码存放的记录有“联通”两个字符的文件误认为UTF-8编码的文件。

6、细节：
UTF-8编码采用1-3个字节对字符进行编码，编码字节数与字符的Unicode编码值有严格的对应关系，让我们回忆下UTF-8编码和Unicode的对应关系吧。
Unicode编码值 UTF-8编码结构
\u0001 - \u007E 0XXXXXXX
\u0080 - \u07FF 和 \u0000 110XXXXX 10XXXXXX
\u0800 - \uFFFF 1110XXXX 10XXXXXX 10XXXXXX
“联通”这两个字符的GBK编码值是“C1 AA CD A8"，GBK编码方式使用两个字节对一个字符进行编码，因此以GBK编码方式存放的录有“联通”两个字符的文件的大小为四个字节。接下来分别观察“联通”这两个字符GBK编码值的二进制形式，你有发现有趣的事。
联 GBK 十六进制：C1 AA 二进制：1100 0001,1010 1010
通 GBK 十六进制：C1 AA 二进制：1100 1101,1010 1000

请注意上面二进制数据的部分，你想到了什么？对，它们和UTF-8编码结构中的补充位完全一致，UTF-8编码的补充位使得编码值更有规律，而记事本刚好凭借这个特征区分UTF-8编码的文件。存有“联通”两个字符的文件的所有数据都符合这个特征，就是这样，记事本彻底的将文件误认为UTF-8编码的文件。将错就错，让我们来看看这个错误是怎样收场的。如果把“联通”的GBK编码值当作UTF-8编码值，那文件就成为一个写有数据“C1 AA CD A8”并以UTF-8编码的文件，当使用记事本再次打开的时候会看到什么呢？只要将UTF-8编码转换成Unicode编码就知道了。UTF-8编码“C1 AA CD A8”转换成Unicode编码后，编码值为“6A 00 68 03”（转换方法请参考本Blog中的《字符编码》一文）。0x006A这个Unicode编码值位于\u0001 - \u007E之间，若要转换为UTF-8编码，显然只能用一个字节进行编码，因此“联”的GBK编码“C1 AA”虽然特征上貌似UTF-8编码，但它却不对应任何一个UTF-8编码。接着看0x0368这个Unicode编码值，这个值对应了字符“?”，这也正是我们将在记事本中看到的内容。或许你会说我看到的是一个黑色矩形啊，这只是字体的原因，你将字体改为宋体或者其他字体，看到的就是字符“?”。对于中文字符，UTF-8编码要用三个字节进行编码，因此，如果你使用记事本录入“联通”，然后选择以UTF-8编码方式保存的话，文件大小应为9个字节（包含三个字节的开头数据），而同样的文件GBK编码却是4个字节。

7、扩展：
实际上，不仅是”联通“有问题，输入”蔚蓝“的”蔚“也会出现翻译出错的问题，所以这个问题应该不是个案了！
七、小程式演示：

package com.itheima;

import java.io.UnsupportedEncodingException;
import java.lang.reflect.Array;
import java.util.Arrays;

public class BianMaDemo {

	/**
	 * @param args
	 * @throws UnsupportedEncodingException 
	 */
	public static void main(String[] args) throws UnsupportedEncodingException {
		// TODO Auto-generated method stub
		String s="哈哈哈";
		byte[] b=s.getBytes("gbk");		//指定编码格式编码
		System.out.println(Arrays.toString(b));//将字符改成了字节数组
		String s1=new String(b,"UTF-8");	//指定解码格式解码
		System.out.println(s1);
		/*
		 * 为什么下面的代码经过错误编码之后还是出现乱码呢？
		 * 答案：因为gbk编码格式和utf-8编码格式同样都支持中文，所以会出现乱码
		 * 这样就不难理解了吧
		 * */
		byte[] b1=s1.getBytes("UTF-8");
		System.out.println(Arrays.toString(b1));
		String s2=new String(b1,"gbk");
		System.out.println(s2);
	}

}