UTF-8
一、
1.Unicode
从AsciII表中获知 A = '65',即 在操作字符A时，计算机内部是对 （Unicode） 65进行操作
2.Java char <==> Unicode 标准字符集
int a = 'A'; System.out.println(a); // 将字符赋值给int类型数据，未报错，可以理解为 'A' 字符A指代的就是65
输出结果：65
3.UTF-8 表示 1~4字节变长
为何中文使用UTF-8编码为3字节？
3.1 输出汉字的二进制编码
Integer b = '中'; System.out.println(Integer.toBinaryString(b)); Integer c = '国'; System.out.println(Integer.toBinaryString(c));
输出结果：
100111000101101
101011011111101
3.2 编码
String d = "中" ;
byte [] dArray = d.getBytes("UTF-8");
for(Integer index = 0 ; index < dArray.length; index ++){
System.out.println(Integer.toBinaryString(dArray[index] & 0xff));
}
System.out.println();
String e = "国" ;
byte [] eArray = e.getBytes("UTF-8");
for(Integer index = 0 ; index < eArray.length; index ++){
System.out.println(Integer.toBinaryString(eArray[index] & 0xff));
}
输出结果：
11100100
10111000
10101101
11100101
10011011
10111101
3.对比分析结果
1110_ _ _ _ 10_ _ _ _ _ _ 10_ _ _ _ _ _
中：100111000101101
(1110)0100 (10)111000 (10)101101
国：101011011111101
(1110)0101 (10)011011 (10)111101
即
通过3个字节来表示，
2~4*2~6*2~6=2~16
故汉字的Unicode的二进制为16位
101011011111101（长度16）
4.编码
// 结果：中
String h = new String(dArray,"UTF-8");
System.out.println(h);
// 结果：乱码
String g = "国" ;
byte [] gArray = g.getBytes("GBK");
for(Integer index = 0 ; index < gArray.length; index ++){
System.out.println(Integer.toBinaryString(gArray[index] & 0xff));
}
String i = new String(gArray,"UTF-8");
System.out.println(i);
结论：
用什么格式解码用什么格式编码
5.java web 乱码
tomcat的自带编码是ISO-8859-1的格式
String j = new String(str.getBytes("ISO-8859-1"),"UTF-8");
System.out.println(j);
二、编码特点
1.
一种变长的编码方式。
用1~6个字节表示一个符号，根据不同的符号而变化字节长度。
Unicode编码长度是固定的，无论是数字、英文还是火星文。所以Unicode编码有点浪费空间。UTF8是针对unicode的空间浪费现象，它对字符的长度是动态的。
2.
UTF-8的编码规则很简单，只有二条：
1）对于单字节的符号，字节的第一位设为0，后面7位为这个符号的unicode码。因此对于英语字母，UTF-8编码和ASCII码是相同的。
2）对于n字节的符号（n>1），第一个字节的前n位都设为1，第n+1位设为0，后面字节的前两位一律设为10。剩下的没有提及的二进制位，全部为这个符号的unicode码。
示例：如上
博文参考：
Java中字符编码问题和中文占几个字节的问题（ASCII Unicode UTF-8 ）