字符编码及字符集的理解

         计算机中储存的信息都是用二进制数表示的；而我们在屏幕上看到的英文、汉字等字符是二进制数转换之后的结果。通俗的说，按照何种规则将字符存储在计算机中，如'a'用什么表示，称为"编码"。

byte[] b = str.getBytes(charsetName);//编码

反之，将存储在计算机中的二进制数解析显示出来，称为"解码"。

String str = new String(bytes, charsetName);//解码

如同密码学中的加密和解密。在解码过程中，如果使用了错误的解码规则，则导致'a'解析成'b'或者乱码，charsetName为字符集，对应着一套字符编码规则。

String str =new String(bytes, charsetName);//使用charsetName字符集的编码规则对bytes字节数组进行解码
Charset.defaultCharset();//The default charset is determined during virtual-machine startup and typically depends upon the locale and charset of the underlying operating system.

ASCII编码：将ASCII字符集转换为计算机可以接受的数字系统的数的规则。使用7位（bits）表示一个字符，共128字符；但是7位编码的字符集只能支持128个字符，为了表示更多的欧洲常用字符对ASCII进行了扩展，ASCII扩展字符集使用8位（bits）表示一个字符，共256字符。JAVA中US-ASCII即标准ASCII，用7位表示一个字符。

GBK编码：字符有一字节和双字节编码，00–7F（0-127）范围内是一位，和ASCII保持一致，此范围内严格上说有96个文字和32个控制符号。

之后的双字节中，前一字节是双字节的第一位。总体上说第一字节的范围是81–FE(129-254)（也就是不含80和FF），第二字节的一部分领域在40–7E，其他领域在80–FE。

如果用ASCII编码方式以字节为单位来对GBK编码方式的字节数组进行解码，由于找不到对应的ASCII字符而产生乱码。

字符集（Charset）：是一个系统支持的所有抽象字符的集合。字符是各种文字和符号的总称，包括各国家文字、标点符号、图形符号、数字等。

字符编码（Character Encoding）：是一套法则，使用该法则能够对自然语言的字符的一个集合（如字母表或音节表），与其他东西的一个集合（如号码或电脉冲）进行配对。即在符号集合与数字系统之间建立对应关系，它是信息处理的一项基本技术。通常人们用符号集合（一般情况下就是文字）来表达信息。而以计算机为基础的信息处理系统则是利用元件（硬件）不同状态的组合来存储和处理信息的。元件不同状态的组合能代表数字系统的数字，因此字符编码就是将符号转换为计算机可以接受的数字系统的数，称为数字代码。

更多字符集及字符编码详见：

http://www.cnblogs.com/skynet/archive/2011/05/03/2035105.html

http://zh.wikipedia.org/wiki/GBK