Java字符编码

一、概述

首先要明白什么是字符编码这个问题，字符编码就是将我们人能认识的字符，比如："a"，"b"，“中”，“国”等变成计算机可以认识的字符，叫做字符编码。但是现在又有一个问题，我们依据什么转换规则，将人认识的字符编码成计算机认识的字符呢？这时我们就要来了解一下字符编码的发展过程了。

二、字符编码的发展过程

1、ASCII码

我们都知道在计算机内部，所有信息都是用二进制表示，而具体哪些二进制对应什么字符呢，这就需要有一套编码表，这时美国的有关标准化组织就出台了ASCII ((American Standard Code for Information Interchange): 美国信息交换标准代码）编码。

ASCII码一共规定了128个字符的编码，每个字符用一个字节（Byte）表示，我们知道字节是计算机中存储的最小单位，每个字节有8位，128 = 2 ^ 7，意思是用7位就可以编码完128个字符，最前面1位用0替代。例如：大写字母A在ASCII码中对应的是65，编码成计算机识别的二进制就是01000001。

2、Unicode

有了ASCII码，为什么还要搞一个Unicode呢？也许你已经意识到问题了，因为计算机是美国发明的，美国的语言是英语，用ASCII码128个字符就能表示完所有英文里面的字符了。但是世界上除了英语还有很多语言，比如中文，用128个字符是显然不够的，况且这128个字符对应的都是英文，为了统一所有文字的编码，Unicode应运而生。

需要注意的是，Unicode只是一个字符集，它只规定了字符对应的二进制代码，却没有规定这个二进制代码如何存储。比如：“国”对应的Unicode是56FD，转成二进制是101011011111101，它有15位，需要2个字节来存储，其他更大的字符可能需要3个或4个字节存储，而英文呢，只需要1个字节存储就够了，此时我们如何区分2个字节里面存储的是一个汉字还是两个英文字母呢？如果都用4个字节来存储，对英文字母来说极大的浪费了空间，本来只需要1个字节，后面多出来的3个字节都要用0替代。那么这问题如何解决，直到utf-8的出现。

3、UTF-8

UTF-8是Unicode的一种实现方式，它最大的特点是一种可变长的编码方式。使用的编码字节数1-4个不等。同样还有UTF-16，使用的编码字节数是2-4个不等。UTF-32使用的编码字节数是4个。

utf-8的编码规则是：

1）对于单字节的字符，前面一位是0，后面七位是这个字符的Unicode码，对于英文字符来说，utf-8编码和ASCII码是一样的。

2）对于n字节的字符（n > 1），第一个字节的前n位都设为1，第n+1位设为0，后面字节的前两位设为10，剩下的二进制用Unicode码表示。

三、乱码问题

乱码出现的原因是编码和解码的格式不对应，比如用GBK编码，用ISO-8859-1解码，就会出现乱码。解决的办法就是编解码要同样的格式。

        //编码
        String str1 = new String("中国");
        byte[] strByte = null;
        try {
            strByte = str1.getBytes("GBK");
            System.out.println(Arrays.toString(strByte)); //[-42, -48, -71, -6]
        } catch (UnsupportedEncodingException e) {
            e.printStackTrace();
        }

        //解码
        String str2 = null;
        try {
            str2 = new String(strByte,"ISO-8859-1");
            System.out.println(str2); //Öйú
        } catch (UnsupportedEncodingException e) {
            e.printStackTrace();
        }

还有一种情况是，编码和解码格式一样，还是会出现乱码，这是因为数据在服务器中做了处理，返回的数据用了其他方式编码。此时应该将获取的数据还原编码，然后再进行解码。

        //编码操作
        String str = new String("中国");
        byte[] strByte = new byte[0];
        try {
            strByte = str.getBytes("UTF-8");
        } catch (UnsupportedEncodingException e) {
            e.printStackTrace();
        }
        System.out.println(Arrays.toString(strByte));//[-28, -72, -83, -27, -101,     -67]

        //经过了服务器的转换，编码格式转成了ISO-8859-1
        String str2 = null;
        try {
            str2 = new String(strByte,"ISO-8859-1");
        } catch (UnsupportedEncodingException e) {
            e.printStackTrace();
        }

        //解码操作, 此时如果直接进行解码，那么会乱码
        String str3 = null;
        try {
            str3 = new String(str2.getBytes(),"UTF-8");
        } catch (UnsupportedEncodingException e) {
            e.printStackTrace();
        }

        //对于上面的乱码，先还原服务器之前的编码格式
        byte[] strByte2 = new byte[0];
        try {
            strByte2 = str2.getBytes("ISO-8859-1");
        } catch (UnsupportedEncodingException e) {
            e.printStackTrace();
        }

        //再进行解码
        String str4 = null;
        try {
            str4 = new String(strByte2,"UTF-8");
        } catch (UnsupportedEncodingException e) {
            e.printStackTrace();
        }
        System.out.println(str4); //中国