java之IO流（二）-- 字符集+乱码

1、计算机存储规则

计算机中任意数据都是以二进制的形式存储。
1byte = 8bit，字节是计算机中最小的存储单元。

2、字符集

2.1 相关字符集了解

2.2 ASCII字符集

ASCII字符一共有128个。但一个字节最多可表示256个数据，因此存储英文，一个字节就够。

2.3 GBK字符集

GBK中英文字母的存储：

GBK中中文的存储和读取：
注：规则2也是为了中文和英文区分开。

GBK小练习：

2.4 Unicode字符集

编码规则：
UTF-8: 用1~4个字节保存（常用）。
UTF-16: 用2~4个字节保存。
UTF-32: 固定使用4个字节保存。

在UTF-8下不同语言的占用字节数：

Unicode中英文字母的存储：

Unicode中中文字母的存储：

Unicode小练习：

3、字符集总结（重点掌握）

1.在计算机中，任意数据都是以二进制的形式来存储的。
2.计算机中最小的存储单元是一个字节。
3.ASCII字符集中，一个英文占一个字节。
4.简体中文版Windows，默认使用GBK字符集。
5.GBK字符集完全兼容ASCII字符集：
一个英文占一个字节，二进制第一位是0
一个中文占两个字节，二进制高位字节的第一位是1
6、Unicode字符集的UTF-8编码格式
一个英文占一个字节，二进制第一位是0，转成十进制是正数
一个中文占三个字节，二进制第一位是1，第一个字节转成十进制是负数

4、为什么会出现乱码？

在了解了以上字符集后，我们可以得出出现乱码的原因：

• 原因一：读取数据时，未读取到完整的汉字。
• 原因二：编码和解码的方式不统一。

5、解决乱码问题的方法

1、不用字节流读取文本。
2、编码和解码的时候用同一个码表，用同一种编码方式。

问题：
为什么用字节流读取中文时会乱码，使用拷贝时就不会乱码？
因为拷贝的时候是一个字节一个字节拷贝的，没有丢失数据。记事本打开文件时，字符集与数据源字符集一致就不会出现乱码。

6、java中的编码、解码

public static void main(String[] args) throws UnsupportedEncodingException {
        /**
         * 编码
         */
        String str = "ai加b";
        //使用IDEA，默认值用UTF-8编码，占6个字节
        byte[] byte1 = str.getBytes();
        System.out.println(Arrays.toString(byte1));

        //指定编码方式GBK，占5个字节
        byte[] byte2 = str.getBytes("GBK");
        System.out.println(Arrays.toString(byte2));

        /**
         * 解码
         */
        //使用默认解码方式
        String string1  = new String(byte1);
        System.out.println(string1);

        //指定解码方式，若此时使用默认解码方式UTF-8，就会出现乱码，因为byte2的编码方式是GBK
        String string2 = new String(byte2,"GBK");
        System.out.println(string2);

    }