ascii码，gbk编码，unicodo码，utf-8码

本文简略讲解这几个编码的关系，

1、ASCII (American Standard Code for Information Interchange)：美国信息交换标准代码，

主要应用于英文的编码，每个英文占用一个字节，存储到文件中。

2、gbk，兼容英文编码的情况下，可用于中文编码，其中，英文单词占用一个字节，中文字占用两个字节，存储到文件中。

3、unicode码，也叫万国码、单一码，由于各个国家的文字不同，它为每种语言中的每个字符设定了统一并且唯一的值。长度很长，例如英文字母“A”的unicode码值为65，中文“智”的unicode码值为26234，如果用同样长度的字节保存，那么对于英文字母来说就是浪费了空间，所以此时出现了utf-8，针对Unicode的一种可变长度字符编码。

4、utf-8，可变长度字符编码。对于英文来说，只需要使用一个字节代表，对于中文来说，需要三字自己代码，那么我们怎么知道utf-8编码格式下的字节是一个一组还是三个一组？这就需要用到utf-8的定义方式。

UTF-8，采用1-4个字符进行传输和存储数据。

    编码规则：使用下面的模板进行转换

Unicode符号范围（十六进制）      |     UTF-8编码方式(二进制)
------------------------------------------------------------------------
0000 0000-0000 007F            |     0xxxxxxx
0000 0080-0000 07FF            |     110xxxxx 10xxxxxx
0000 0800-0000 FFFF            |     1110xxxx 10xxxxxx 10xxxxxx
0001 0000-0010 FFFF            |     11110xxx 10xxxxxx 10xxxxxx 10xxxxxx

如上图：

如果是英文，那么他占用一个字节，字节的二进制起始位为0，一个字节

如果是中文，那么它占用三个字节，字节的二进制起始位为1110，三个字节

下面举例说明utf-8怎么表示中文的，

char aChar = '智';
System.out.println(aChar);
int index = (int)aChar;
System.out.println("unicode十进制:"+index);
String hexString = HexUtil.toHex(index);
System.out.println("unicode十六进制:"+hexString);

通过以上代码，我们知道中文“智”的unicode码是26234，那么他的通过utf-8三个字节表示，是什么呢？使用如下代码

for (int i = 0; i < bytes.length; i++) {
   System.out.println(bytes[i]);
   System.out.println(getBinaryString(bytes[i]));
   System.out.println("-----------------");
}

得到这三个字节的值为 -26，-103，-70，

他们的补码分别是11100110，10011001，10111010

对应上述              1110xxxx 10xxxxxx 10xxxxxx 10xxxxxx

也就是utf-8代表的xxxx中的值为0110 011001 111010，使用二进制，转换，正好是26234

所以，utf-8的编码格式是这样得到的， 通过规定的byte数组得到二进制数，对比unicode码表，得到中文名称。