字符集（ASCII、GBK、UTF-8、编码方案，解码方案、乱码等问题）

il阳光

已于 2022-10-21 22:29:45 修改

阅读量850

点赞数

分类专栏：笔记文章标签： java jvm 开发语言

于 2022-10-21 21:41:00 首次发布

本文链接：https://blog.csdn.net/weixin_44746815/article/details/127454325

版权

笔记专栏收录该内容

7 篇文章 0 订阅

订阅专栏

文章目录

常见字符集（ASCII、GBK、UTF-8、编码方案，解码方案、乱码等问题）

常见字符集（ASCII、GBK、UTF-8、编码方案，解码方案、乱码等问题）

1.ASCII编码

当美国人发明计算机时，他们遇到了一个问题：要想让计算机来处理数据，首先得让计算机
能够存储美国人的文字，但是计算机是机器只能处理 0和1（二进制数）两种信号，为此美
国人设计出了一套能够让计算机存储他们文字的编码（ASCII编码）。由于美国人的文字只
由数字(0_{9)、26个字母(a}z,A~Z)、标点符号以及一些特殊字符组成，加起来总共127个字符，
于是美国人就给这127个字符进行编号：从0到127（0~127）。为了让计算机能够存储，他们就将
每个编号转换为对应二进制数，由于计算机存储数据的基本单位是字节，而1字节用8位二进制数
表示，而7位二进制数就可以表示0到127所有的字符，于是美国人就在每个字符编码前面加了一
位0,使其构成8位，至此美国人的文字在计算机中就用一位字节表示。
标准ASCII字符集
- ASCII(American Standard Code for Information Interchange)：美国信息交换标准代码，包括了英文符号等。
- 标准ASCII使用1字节存储一个字符，首位是0，总共可以表示128个字符，对美国佬来说完全够用。

2.GBK编码（汉子内码扩展规范，国标）

随着计算机的使用越来越广泛，当中国人看到美国人的编码(ASCII编码)时，说了一句：还不够我塞牙缝！
汉字编码字符集，包含2万多个汉字等字符，GBK中一个中文字符编码成两个字节的形式存储。
注意：GBK兼容了ASCII字符集。（这里提一句：因为计算机是美国人发明的，你要使用，就要听话，
遵守美国人制定的规则，所以需要兼容ASCII字符集）
问题来了：如果英文数字用一个字节存储，汉字用两个字节存储，那么当一段文字中既有汉字也有英文
时，计算机是怎样识别的呢？
- GBK规定：汉字的第一个字节的第一位必须是1。当计算机读取字节的时候发现该字节的第一位是1
  时，计算机就认为这是一个汉字，于是计算机就连读取两个字节来表示一个汉字，当计算机读取字节
  时发现第一位是0，计算机就认为这是一个ASCII的字符，于是计算机就只读取一个字节来表示为ASCII
  的字符。

3.UTF-8编码

当计算机在全世界普及时，如果每个国家都来一个编码，比如：巴基斯坦码、迪拜码、岛国码、韩文码、
乌兹别克斯坦码、吉尔吉斯斯坦码、哈萨克斯坦码这么的编码时，会出现现一个很严重的问题：信息在各个国
家流通的时候，比如：韩文码用迪拜码打开时肯定会出现一个乱码的问题！这时，国际组织就站出来了，说：
你们都别整自己字符集了，我来给全世界国家整一套通用的字符集，叫Unicode字符集（统一码，也加万国码）

Unicode字符集（统一码，也加万国码）

Unicode是国际组织制定的，可以容纳世界上所有文字、符号的字符集。
Unicod字符集提供了很多编码方案，例如：UTF-32
- UTF-32编码方案的思想是：简单粗暴，我用四个字节来存储一个字符，有容乃大。
- 但是UTF-32并没有被人们所接纳，因为人们觉得这种编码太奢侈了，美国人ASCII字符集本来一个字节
  就可以存储但是用UTF-32就需要用四个字节，空出来3个字节用不到还多要3倍的存储空间，非常的浪费，就
  是连中国人的汉字也没占到便宜，有两位字节用不到，还要多用1倍的存储空间。而且这样字符在通讯效率上
  还会大大降低。
- 国际组织站出来看好像也是啊，于是国际组织又设计了一套改变字符苍生的新的编码方案：UTF-8

UTF-8编码方式

是Unicode字符集的一种编码方案吗，采取可边长方案，共分四个长度区：1字节，2字节，3字节，4字节
英文字符、数字等只占1个字节（兼容标准ASCI编码），汉字字符占用3个字节。

UTF-8编码方案	说明
0xxxxxxx （ASCII码）	1个字节：第一位为0
110xxxxx 10xxxxxx	2个字节：第一个字节前3位为110，第二个字节前2位位10
1110xxxx 10xxxxxx 10xxxxxx	3个字节：第一个字节前4位为1110，第2个字节和第3个字节前2位都位10
11110xxx 10xxxxxx 10xxxxxx 10xxxxxx	4个字节：第一个字节前5位为11110，后3个字节每个字节前2位都为10

其余位才用来存储具体的字符编码，从右开始排列
注意：
- 技术人员在开发的时候都应该使用UTF-8编码！
- 字符编码时使用的字符集，和解码时使用的字符集必须一致，否则会出现乱码
- 英文，数字一般不会乱码，因为很多字符集都兼容了ASCII编码。

4.java代码实现字符的编、解码

编码

String提供如下方法	说明
byte[] getBytes()	使用平台的默认字符集将该 String编码为一系列字节，将结果存储到新的字节数组中
byte[] getBytes(charsetName)	使用指定字符集将该 String编码为一系列字节，将结果存储到新的字节数组中

import java.util.Arrays;
/*
    使用java程序对字符进行编解码。
*/
public class Test {
    public static void main(String[] args){
        System.out.println("Hello World!");
        //1.编码
        String data = "a爱b";
        byte[] bytes = data.getBytes(); // 默认是按照平台字符集（UTF-8）进行编码。
        /*
            输出结果：
                [97, -26, -120, -111, 98]
            解析：
                [97, -26, -120, -111, 98]
                 a          我        b
                在 utf-8编码 中英文占一个字节，中文占三个字节
        */
        System.out.println(Arrays.toString(bytes));

        //按指定的字符集进行编码。
        byte[] bytes1 = data.getBytes("GBK");
        /*
            输出结果：
                [97, -50, -46, 98]
            解析：
                [97, -50, -46, 98]
                 a      我      b
                在 GBK编码 中英文占一个字节，中文占两个字节
        */
        System.out.println(Arrays.toString(bytes1));
    }
}

解码

String提供如下方法	说明
String(byte[] bytes)	使用平台的默认字符集将该 String编码为一系列字节，将结果存储到新的字节数组中
String(byte[] bytes, String charsetName)	使用指定字符集将该 String编码为一系列字节，将结果存储到新的字节数组中

import java.io.UnsupportedEncodingException;
import java.util.Arrays;

/*
    使用java程序对字符进行编解码。
*/
public class Test {
    public static void main(String[] args) throws Exception {
        //1.编码
        String data = "a我b";
        byte[] bytes = data.getBytes(); // 默认是按照平台字符集（UTF-8）进行编码。
        System.out.println(Arrays.toString(bytes));

        //按指定的字符集进行编码。
        byte[] bytes1 = data.getBytes("GBK");
        System.out.println(Arrays.toString(bytes1));

        //2.解码
        String s1 = new String(bytes); // 按照平台默认编码（UTF-8）解码。
        System.out.println(s1);  // 输出结果：a我b

        //String s2 = new String(bytes1);  //用平台默认的字符集（UTF-8）解码用GBK字符集编码的字符串
        //System.out.println(s2); //输出乱码结果：a��b

        String s2 = new String(bytes1,"GBK");  // 用与编码相同的字符集（GBK）来解码
        System.out.println(s2); //输出结果：a我b

    }
}