Java 位、字符、字节与字符编码

“位”的定义：

位表示的是二进制位，一般称为比特，是计算机存储的最小单位

“字节”的定义

字节（Byte）是一种计量单位，表示数据量多少，它是计算机信息技术用于计量存储容量的一种计量单位。1byte=8b;

“字符”的定义

字符是指计算机中使用的文字和符号，比如1、2、3、A、B、C、~！·#￥%……—*（）——+、等等。

字符集：

 即各种各个字符的集合，也就是说哪些汉字，字母（A、b、c）和符号（空格、引号..）会被收入标准中；

编码：

 规定每个“字符”分别用一个字节还是多个字节存储，用哪些字节来存储，这个规定就叫做“编码”。（其实际是对字符集中字符进行编码，即：每个字符用二进制在计算中表示存储）；
通俗的说：编码就是按照规则对字符进行翻译成对应的二进制数，在计算器中运行存储，用户看的时候（比如浏览器），在用对应的编码解析出来用户能看懂的；

“字节”与“字符”

它们完全不是一个位面的概念，所以两者之间没有“区别”这个说法。不同编码里，字符和字节的对应关系不同：
①ASCII码中，一个英文字母（不分大小写）占一个字节的空间，一个中文汉字占两个字节的空间。一个二进制数字序列，在计算机中作为一个数字单元，一般为8位二进制数，换算为十进制。最小值0，最大值255。
②UTF-8编码中，一个英文字符等于一个字节，一个中文（含繁体）等于三个字节。
③Unicode编码中，一个英文等于两个字节，一个中文（含繁体）等于两个字节。
符号：英文标点占一个字节，中文标点占两个字节。举例：英文句号“.”占1个字节的大小，中文句号“。”占2个字节的大小。
④UTF-16编码中，一个英文字母字符或一个汉字字符存储都需要2个字节（Unicode扩展区的一些汉字存储需要4个字节）。
⑤UTF-32编码中，世界上任何字符的存储都需要4个字节。

String类型的编码方式

从网上查的资料都说，Java默认的字符编码是Unicode，而String类型的编码方式是与JVM编码方式和本机操作系统默认字符集有关的。于是我做出了测试
在Java中可以这样显示查看本地编码方式（JVM还是OS呢？）

// Gets the system property indicated by the specified key.
System.out.println(System.getProperty(file.encoding));

看注释上说是获取系统字符集，但是我对这个系统的概念表示存疑，为什么呢，因为众所周知，我们中国人的电脑大部分默认的字符编码方式就是GBK，在CMD中输入chcp可以获得一个数值936，这就表示了是GBK的编码方式。
但是我自己运行出这句话的结果竟然是UTF-8，我是在IDEA中运行的，并且已经使用IDEA设置了项目的编码方式是UTF-8，出现这样的结果我只能是猜测其实上面这句话是获取JVM（跟随项目的编码方式）的编码方式

接下来我们来回归正题，String类型的默认编码方式是什么，有下面这几句语句:

/* 测试String类型默认的编码方式
*/

// 使用String的有参构造方法
String str = new String("hhhh ty智障%shfu摸淑芬十分uif内服NSF黑");
// 1.以GBK编码方式获取str的字节数组，再用String有参构造函数构造字符串
System.out.println(new String(str.getBytes("GBK")));
// 2.以UTF-8编码方式获取str的字节数组，再以默认编码构造字符串
System.out.println(new String(str.getBytes("UTF-8")));

下面来看一下运行结果：

// 1.
hhhh ty����%shfu�����ʮ��uif�ڷ�NSF��i����ظ���u��Ϊ��ؼu ��δ���δ��� hhhh ty智障%shfu摸淑芬十分uif内服NSF黑i飞鸟回复额u发为呢丶u 房未婚夫未婚夫

// 2.
hhhh ty智障%shfu摸淑芬十分uif内服NSF黑i飞鸟回复额u发为呢丶u 房未婚夫未婚夫

可以很明显的可以看出，这里String类型默认的字符编码方式就是与我们查看本地系统的编码方式相同。因此我们得出结论：String类型的默认编码方式是和本地编码方式相关String.getBytes()方法我们大多数情况下是不使用String类型的，而是使用byte数组来传输操作数据，一般会使用String.getBytes()方法来将字符串转换成字节数组。但是这样转换的时候，会不会牵涉到编码问题呢？仔细查看了String.getBytes()的源码，分为无参的和有参的两种：

// 1.无参的getBytes()方法
    public byte[] getBytes() {
        // 再继续深入encode()方法可以发现使用的是系统默认的字符编码
        return StringCoding.encode(value, 0, value.length);
    }

// 2.带参数的getBytes(String charsetName)方法
    public byte[] getBytes(String charsetName)
            throws UnsupportedEncodingException {
        if (charsetName == null) throw new NullPointerException();
        // 继续深入可以发现，会使用参数字符集编码方式来返回字节数组，如果参数字符集不存在，则使用本地系统默认的字符编码
        return StringCoding.encode(charsetName, value, 0, value.length);
    }

综上，在这里再强调一下，因为修改了项目的编码方式，导致了本地系统的编码方式也变成了UTF-8，所以上述的实验都是基于IDE修改了工程项目编码方式的基础上

ByteBuffer与byte数组的互相转换

在NIO中，一般都是使用ByteBuffer来当作字符缓冲，而有的时候我们只有byte[]数组，所以是需要它们之间进行相互转换的

// ByteBuffer ----> byte[]
byte[] bytes = ByteBuffer.array();

// byte[] ------> ByteBuffer
byte[] bytes = new byte[1024];
ByteBuffer byteBuffer = ByteBuffer.wrap(bytes);

So

综上所述，再在这里总结一下：

本地JVM的编码方式是和本机OS默认的字符编码方式相关的，但是JVM的编码方式可以被修改
Java程序的默认字符集是Unicode，在程序中声明的String类型的编码方式是和JVM编码方式相关的
String.getBytes()方法默认的编码方式是JVM编码方式；同时还可以接收一个字符集名称当作参数，优先使用参数的字符集
因为Java代码使用的Unicode字符集，允许各编码方式之间转换，但不保证bit损失，所以String类型可以得到不同编码方式的byte数组，只要按照编码解码的方式获取字符串类型显示即可
文件的流通道是根据文件的编码方式决定的，所以不同编码方式的文件读写时要注意编码解码
ByteBuffer声明的buffer可以与byte数组之间进行转换，但要注意的是ByteBuffer的大小一定要足够大以承载下所有的byte数组
小总结
搞清楚了这些甚是豁然开朗，其实很多时候中文的乱码问题根源就是编码方式与解码方式不一致，或者是不同编码方式之间转换时造成了bit损失。所以我们还是要注意规范化编码与解码方式，毕竟有的转换操作是不可逆的。
转载：Java中String类型与默认字符编码
MainSKY