字符集
一、常见字符集介绍
(1)字符集基础知识
●计算机底层不可以直接存储字符的。计算机中底层只能存储二进制(0、1)
●二进制是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。
(2)ASCII字符集:
●ASCII(American Standard Code for Information Interchange,美国信息交换标准代码):包括了数字、英文、符号。
●ASCII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。
(3)GBK:
●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。
(4)Unicode码表:
●unicode(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的所有常见文字和符号。
●由于Unicode会先通过UTF-8,UTF-16,以及 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:
●Unicode是万国码,以UTF-8编码后一个中文一般以三个字节的形式存储。
●UTF-8也要兼容ASCII编码表。
●技术人员都应该使用UTF-8的字符集编码。
●编码前和编码后的字符集需要一致,否则会出现中文乱码。
(5)汉字存储和展示过程解析
(6)总结
1、字符串常见的字符底层组成是什么样的?
●英文和数字等在任何国家的字符集中都占1个字节
●GBK字符中一个中文字符占2个字节
●UTF-8编码中一个中文1般占3个字节
2、编码前的字符集和编码好的字符集有什么要求?
●必须一致,否则会出现中文字符乱码
●英文和数字在任何国家的编码中都不会乱码
二、字符集的编码、解码操作
(1)String编码
方法名称 | 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(String charsetName) | 使用指定的字符集将该String编码为一系列字节,将结果存储到新的字节数组中 |
(2)String解码
构造器 | 说明 |
---|---|
String(byte[] bytes) | 通过使用平台的默认字符集解码指定的字节数组来构造新的String |
String(byte[] bytes, String charsetName) | 通过指定的字符集解码指定的字节数组来构造新的String |