字符集charSet

常见字符集介绍

字符集基础知识

• 计算机底层不可以直接存储字符，计算机中底层只能存储二进制
• 二进制时可以转换成十进制的
• 结论：计算机底层可以表示十进制编号。计算机可以给人类字符进行编号存储，这套编号规则就是字符集

ASCII字符集

• ASCII（美国信息交换标准编码）：包括了数字、英文、符号。
• 使用1个字节存储一个字符，一个字节是8位，总共可以表示128个字符信息，对于英文，数字来说是够用的

GDK

• window系统默认的码表，兼容ASCII码表，也包含了几万个汉字，并支持繁体汉字以及部分日韩文字
• 注意：GBK是中国的码表，一个中文以两个字节的形式存储。但不包含世界上所有国家的文字

Unicode码表

• 又称统一码、万国码、单一码
• 是计算机科学领域里的一项业界字符编码标准
• 容纳世界上大多数国家所有常见文字和符号
• 由于Unicode会先通过UTF-8、UTF-16、UTF-32的编码成二进制后再存储到计算机，其中最为常见的就是UTF-8

注意：

1. Unicode是万国码，以UTF-8编码后一个中文一般以三个字符的形式进行存储
2. UTF-8也要兼容ASCII编码表
3. 数字和英文等在任何国家的字符集中都占1个字节
4. 技术人员都应该使用UTF-8的字符集编码
5. 编码前和编码后的字符集需要一致，否则会出现中文乱码

汉字存储和展示过程解析

一段文字 -> 查询Unicode码表 -> 码表中对应的数字 -> 编码(utf-8)成二进制，存储到计算机中

逆过程：
读取二进制 -> 解码(utf-8)码表中对应的数字 -> 查询Unicode码表 -> 展示文字

中文的第一个字节和英文的第一个字节有一定的规律。

字符集的编码、解码操作

• String提供的API
  

1. 如何使用程序对字符进行编码？

• String类下的方法：
• byte[] getBytes​()：默认编码
• byte[] getBytes​(String charsetName)：指定编码

2. 如何使用程序进行解码？

• String类的构造器：
• String​(byte[] bytes)：使用默认编码解码
• String​(byte[] bytes, String charsetName))：指定编码解码