Java 字符编码与解码

一、字符编码的发展历程

　　①、ASCII 码

　　由于计算机只认识数字，因此咱们在计算机里面的一切数据都是以数字来表示，由于英文字符有限，因此规定使用的字节的最高位是 0，每个字节都是以 0-127 之间的数字来表示。好比 A 对应 65，a 对应 97。这即是 美国标准信息交换码，ASCII

		String str = new String("Aa");
		byte[] strASCII = str.getBytes("ASCII");
		System.out.println(Arrays.toString(strASCII));//[65, 97]

　　

　　②、GB2312 码

　　随着计算机在全球的普及，不少国家和地区都把本身的字符引入了计算机，好比汉字。此时发现一个字节能表示的数字范围过小，不能包含全部的中文汉字。那么就规定使用两个字节来表示一个汉字。

　　规定：原有的 ASCII 字符的编码保持不变，仍然使用一个字节表示，为了区别一个中文字符与两个 ASCII 码字符相区别。中文字符的每一个字节最高位规定为 1（即中文的二进制是负数），这即是 GB2312 编码

		String str = new String("Aa帅锅");
		byte[] strASCII = str.getBytes("GB2312");
		System.out.println(Arrays.toString(strASCII));//[65, 97, -53, -89, -71, -8]

　　

　　③、GBK

　　因为中国汉字太多，在 GB2312 的基础上增长了更多的中文字符，这种编码是 GBK

 

问题：若是只是在中国，那么你们都认识汉字，可是若是是别的国家，而该国家的码表中是没有收录汉字的。那么计算机在显示的时候就为乱码或是别的字符

 

解决办法：为了解决各个国家由于本地化字符编码带来的影响，就把全世界全部的字符统一进行编码---Unicode 编码

　　　　　此时某一个字符在全世界任何地方显示都是固定的，好比汉字 哥，在任何地方都是以十六进制 54E5 来表示。

　　　　　Unicode 的字符编码都占有两个字节

 

　　④、UTF-8

　　是一种针对 Unicode 的可变长度字符编码，又称为 万国码，是 Unicode 的实现方式之一。编码中的第一个字节仍与 ASCII 兼容，这使得原来处理 ASCII 字符的软件无须或只需作少部分修改，便可继续使用。所以，它逐渐成为电子邮件、网页及其余存储或传送文字的应用中，优先采用的编码。互联网工程工做小组（IETF）要求全部互联网协议都必须支持 UTF-8 编码

		String str = new String("Aa帅锅");
		byte[] strASCII = str.getBytes("UTF-8");
		System.out.println(Arrays.toString(strASCII));//[65, 97, -27, -72, -123, -23, -108, -123]

　　

 

存储字母、数字：不管什么字符集都占有 1 个字节

存储汉字：GBK 家族占有 2 个字节。UTF-8 占有 3 个字节

　　　　   不能使用单字节的字符集（ASCII/ISO-8859-1）来存储中文

 

 

 

二、字符的编码和解码

　　信息在计算机网络中传输是以字节的形式。那么如何变为字节？这就是编码的过程。那么计算机接收了这个编码，如何让使用者认识呢？那必需要将字节转换为人所识别的字符串形式，这就是解码的过程。

 

　　编码：将字符串转换为 byte 数组

　　解码：把 byte 数组转换为 字符串

注意：①、编码格式和解码格式必须一致，不然乱码

String str = new String("Aa帅锅");
		//编码操做
		byte[] strByte = str.getBytes("GBK");
		System.out.println(Arrays.toString(strByte));//[65, 97, -53, -89, -71, -8]
		
		//解码操做  
		//注意编码的字符集和解码的字符集格式必须一致（是其扩展字符集也能够），不然会乱码
		//第一种：编码格式为 GBK，解码格式为 ISO-8859-1  那么就会乱码
		String str2 = new String(strByte,"ISO-8859-1");
		System.out.println(str2); //Aa?§??
		
		//第二种：编码和解码格式一致
		String str3 = new String(strByte,"GBK");
		System.out.println(str3); //Aa帅锅

　　②、有时候编码为和解码格式一致了，可是仍是乱码，这是由于在数据在传输过程当中通过服务器的处理，而这个服务器多是外国人编写的，那么就会将数据转换为 别的字符格式，那么你若是仍是直接转为本身想要的格式是会乱码的。

　　解决办法：先获取通过服务器以后的数据还原编码，而后在进行解码

String str = new String("Aa帅锅");
		//编码操做
		byte[] strByte = str.getBytes("UTF-8");
		System.out.println(Arrays.toString(strByte));//[65, 97, -27, -72, -123, -23, -108, -123]
		
		
		//中间通过了服务器的传输，编码格式转成了 ISO-8859-1
		String str2 = new String(strByte,"ISO-8859-1");
		
		//解码操做  ,此时若是直接进行解码，那么会乱码
		String str3 = new String(str2.getBytes(),"UTF-8");
		System.out.println(str3); //Aa???????
		
		//对于上面的乱码，咱们必须先还原服务器以前的编码格式，而后在进行解码。那么就不会乱码
		byte[] strByte2 = str2.getBytes("ISO-8859-1");
		String str4 = new String(strByte2,"UTF-8");
		System.out.println(str4); //Aa帅锅