Java基础学习总结笔记＜4＞ASCII码，Unicode码，UTF-8码

一. 编码简介

在计算机内部 所有数据都使用 二进制表示 。每一个二进制位 bit 有 0 和 1 两种状态，因此8个二进制位就可以组合出 256 种状态 这被称为一个字节 byte 。一个字节一共可以用来表示 256 种不同的状态 每一个状态对应一个符号 就是 256 个符号 从0000000 到 11111111

• 字符：是各种文字和符号的总称，包括各个国家的文字，标点符号，图形符号，数字等。
• 字符集：字符集是多个符号的集合，每个字符集包含的字符个数不同。
• 字符编码：字符集只是规定了有哪些字符，而最终决定采用哪些字符，每一个字符用多少字节表示等问题，则是由编码来决定的。计算机要准确的处理各种字符集文字，需要进行字符编码，以便计算机能够识别和存储各种文字。

二. ASCII码

上个世纪 60 年代 美国制定了一套字符编码 对英语字符与二进制位之间的关系做了统一规定 。 这被称为ASCII码 。ASCII 码一共规定了128个字符的编码 ，比如空格 SPACE是32二进制 00100000 大写的字母 A 是 65 二进制 01000001 ，这128 个符号 包括 32 个不能打印出来的控制符号只占用了一个字节的后面7位最前面的1位统一规定为0 。

• 0~31及127(共 33个 )是控制字符或通信专用字符（其余为可显示字符），如控制符：LF（换行）、CR（回车）、FF（换页）、DEL（删除）、 BS（退格 )
• 32~126(共 95个 )是字符 (32是空格），其中48~57为 0到 9十个阿拉伯数字。
• 65~90为 26个大写英文字母， 97~122号为 26个小写英文字母，其余为一些标点符号、运算符号等。
• 后 128个称为扩展 ASCII码。许多基于 x86的系统都支持使用扩展（或“高”） ASCII。扩展ASCII 码允许将每个字符的第 8 位用于确定附加的 128 个特殊符号字符、外来语字母和图形符号。

缺点

• 不能表示所有字符 。
• 相同的编码表示的字符不一样 比如 130 在法语编码中代表了 é 在希伯来语编码中却代表了字母 Gimel

三. Unicode码

Unicode 一种编码，将世界上所有的符号都纳入其中。每一个符号都给予一个独一无二的编码，使用 Unicode 没有乱码的问题 。

缺点
Unicode 只规定了符号的二进制代码，却没有规定这个二进制代码应该如何存储：无法区别 Unicode 和 ASCII ：计算机无法区分三个字节表示一个符号还是分别表示三个符号。另外， 我们知道，英文字母只用一个字节表示就够了，如果Unicode 统一规定，每个符号用三个或四个字节表示，那么每个英文字母前都必然有二到三个字节是 0 ，这对于存储空间来说是极大的浪费。

四. UTF-8码

• UTF 8 是在互联网上使用最广的一种 Unicode 的实现方式。
• UTF 8 是一种变长的编码方式。它可以使用16个字节表示一个符号，根据 不同的符号而变化字节长度。

UTF 8 的编码规则：

• 对于单字节的 UTF 8 编码，该字节的最高位为 0 ，其余 7 位用来对字符进行编码（等同于ASCII 码）。

• 对于多字节的 UTF 8 编码，如果编码包含 n 个字节，那么第一个字节的前 n 位为 1 ，第一个字节的第 n+1 位为 0，该字节的剩余各位用来对字符进行编码。在第一个字节之后的所有的字节，都是最高两位为 " 10"，其余 6 位用来对字符进行编码。