Java--编码问题

常见的编码格式：

ASCII码

总共有128个，用一个字节的低七位表示，0~31是控制字符如换行、回车、删除等，32~126是打印字符。

ISO-8859-1

扩展了ASCII码，但仍然是单字节编码，总共能表示256个字符。

GB2312

全称《信息技术  中文编码字符集》，是双字节编码。总的编码范围是A1~A7，其中A1~A9是符号区，总共包含682个符号；B0~F7是汉字区，包含6763个汉字。

GBK

全称《汉字内码扩展规范》。扩展了GB2312, 它的编码范围是8140~FEFE(去掉XX7F), 总共有23940个码位，能表示21003个汉字。它的编码是和GB2312兼容的。

UTF-16

UTF-16具体定义了Unicode字符在计算机中的存取方法。UTF-16用两个字节表示Unicode的转化格式，它采用定长的表示方法，即不论什么字符都可以用两个字符表示。Java使用UTF-16作为内存的字符存储格式。

UTF-8

UTF-16统一采用两个字节来表示一个字符，虽然简单方便，但会造成空间浪费。UTF-8采用变长技术，每个编码区域有不同的字码长度。不同类型的字符可以由1~6个字节组成。

UTF-8编码规则：

• 如果是一个字节，最高位为0，表示这是一个ASCII字符；
• 如果是一个字节，以11开头，则连续的1的个数暗示这个字符的字节数，例如110xxxxx代表它是双字节UTF-8字符的首字节；
• 如果是一个字节，以10开头，表示它不是首字节。

Java中需要编码的场景：

I/O操作中存在编码

Reader和Writer是字符流，InputStream和OutputStream是字节流。而InputStreamReader和OutputStreamWriter是关联字节到字符的桥梁。

内存操作中存在编码

Java中提供了Charset类，该类中的encode()和decode()方法分别对应char[]到byte[]的编码和byte[]到char[]的编码：

Charset charset = Charset.forName("UTF-8");
ByteBuffer byteBuffer = charset.encode(string);
CharBuffer charBuffer = charset.decode(byteBuffer);

Java中还提供了ByteBuffer类，该类可以实现char到byte的软转换，它的转换不需要编码和解码，只是把一个16bit的char拆分成了2个8bit的byte。它们的实际值没有被修改，仅仅是数据类型做了转换。