字符编码理解

计算的本质是二进制的运算，所以要想把现实生活中的文字、图片、语音等信号媒介用计算机来处理，必须把这些东西切分成基本元素，然后把每一个元素一一映射为数字，这是最基本的做法。

• 英语切分成最基本的元素就是26个字母大小写加上英语中用到的所有标点，于是就产生了ascii编码；
• 汉语切分成最基本的元素就是从古至今中国出现的所有的汉字，简体、繁体、生僻的都算上，于是就产生中国人自己的一些编码方式，如gbk；
• 其它国家都可以归为上面这两类；
• 每个国家都有自己的字符集，这让计算机很难做啊，而且每个字符集编码还在发展变化，所以统一工作势在必行，于是就有了unicode;
• unicode并不是从0开始编码，它的编码思想就是我取足够长的01向量，在各国编码的基础上在前面补0，这样做带来一个明显的问题，在计算机内存中处理起来简单了，但是存成文件或者传输起来会浪费空间，尤其对英语世界的来说；
• unicode说，好吧，咱们各让一步，在unicode的基础上为了节省存储动态的决定01向量长短，于是产生了utf-8编码；
• 这样就有了unicode—utf-8------chars set三个集合之间的一一映射，但是要考虑互相掣肘的两个问题：1⃣️在内存中运算方便，2⃣️存储和传输轻量，最后妥协的办法是，在内存中用unicode编码，在文件中用utf-8；
• 一个例子：一个abc.txt，是文件形态时是utf-8，用记事本打开时，载入到内存就是用unicode;
• 其它编码类似，但是utf-8 Linux、mac公认，省心吧；

import java.nio.charset.StandardCharsets;

public class Str {

	public static void main(String[] args) {
		// TODO Auto-generated method stub
		// 默认用unicode编码，或者明确指出
		byte[] data = "中文abc".getBytes(StandardCharsets.UTF_8);
		// 默认用unicode解码，或者明确指出
		String s2 = new String(data, StandardCharsets.UTF_8);
		System.out.println(s2);
	}
}