第19章_编码方式

gong_yz大约 3 分钟JAVAJAVASE

1、什么是ASCII和Unicode

1.1 字符编码和ASCII

1.1.1 字符编码

字符编码（Character Encoding）是一套法则，使用该法则能够对自然语言的字符的一个集合（如字母表或音节表），与其他东西的一个集合（如号码或电脉冲）进行配对。

1.1.2 ASCII

ASCII（ American Standard Code for InformationInterchange， 美国信息交换标准代码） 是基于拉丁字母的⼀套电脑编码系统， 主要⽤于显⽰现代英语和其他西欧语⾔。其中共有128个字符。

标准ASCII 码也叫基础ASCII码， 使⽤7 位⼆进制数（ 剩下的1位⼆进制为0） 来表⽰所有的⼤写和⼩写字母， 数字0 到9、 标点符号， 以及在美式英语中使⽤的特殊控制字符。

  • 0～31及127(共33个)是控制字符或通信专⽤字符（ 其余为可显⽰字符） ， 如控制符： LF（ 换⾏） 、 CR（ 回车） 、 FF（ 换页） 、 DEL（ 删除） 、 BS（ 退格)、 BEL（ 响铃） 等； 通信专⽤字符： SOH（ ⽂头） 、 EOT（ ⽂尾） 、 ACK（ 确认） 等；
  • ASCII值为8、 9、 10 和13 分别转换为退格、 制表、 换⾏和回车字符。 它们并没有特定的图形显⽰， 但会依不同的应⽤程序，⽽对⽂本显⽰有不同的影响
  • 32～126(共95个)是字符(32是空格） ， 其中48～57为0到9⼗个阿拉伯数字。
  • 65～90为26个⼤写英⽂字母， 97～122号为26个⼩写英⽂字母， 其余为⼀些标点符号、 运算符号等。

1.2 Unicode

Unicode（中文：万国码、国际码、统一码、单一码）是一套通用的字符集。它对世界上大部分的文字系统进行了整理、编码，使得计算机可以用更为简单的方式来呈现和处理文字。Unicode可以表示中文。

2、有了Unicode为啥还需要UTF-8

unicode虽然统一了全世界字符的二进制编码，但没有规定如何存储。

Unicode 是字符集。UTF-8 是编码规则。

常见的UFT格式有UTF-7、UTF-7.5、UTF-8、UTF-16、UTF-32

  • UTF-8使用1~4个字节为每个字符编码
  • UTF-16使用2或4字节为每个字符编码、
  • UTF-32使用4字节为每个字符编码

所以说， UTF-8、UTF-16等都是Unicode的一种实现方式。

UTF-8使用可变长度字节来储存 Unicode字符，例如ASCII字母继续使用1字节储存，重音文字、希腊字母或西里尔字母等使用2字节来储存，而常用的汉字就要使用3字节。辅助平面字符则使用4字节。

3、有了UTF8为什么还需要GBK？

其实UTF8确实已经是国际通用的字符编码了，但是这种字符标准毕竟是外国定的，而国内也有类似的标准指定组织，也需要制定一套国内通用的标准，于是GBK就诞生了。

常用的中文编码有GBK、GB2312、GB18030等，最常用的是GBK。

4、为什么会存在乱码

讲中文字符通过GBK编码，再使用UTF-8解码，得到的字符就是一串问号，这就是乱码了。

示例代码：

public static void main(String[] args) throws UnsupportedEncodingException {
    String s = "我爱中国！";
    byte[] bytes = s.getBytes(Charset.forName("GBK"));
    System.out.println("GBK编码，GBK解码：" + new String(bytes, "GBK"));
    System.out.println("GBK编码，GB18030解码：" + new String(bytes, "GB18030"));
    System.out.println("GBK编码，UTF-8解码：" + new String(bytes, "UTF-8"));
}

输出结果如下：

GBK编码，GBK解码：我爱中国！
GBK编码，GB18030解码：我爱中国！
GBK编码，UTF-8解码：�Ұ��й���
默认页脚
Copyright © 2024 gong_yz