字符集(ASCII、GBK、Unicode、UTF-8)

1、字符集基础知识

  • 计算机底层不可以直接存储字符的。计算机中底层只能存储二进制(0、1)
  • 二进制是可以转换成十进制的
  • 结论:计算机底层可以表示十进制编号。计算机可以给人类字符进行编号存储,这套编号规则就是字符集。

2、ASCII字符集

  • ASCII(American Standard Code Information Interchange,美国信息交换标准代码):包括了数字、英文、符号。
  • ASCII使用 一个字节存储一个字符 ,一个字节是8位,总共可以表示128个字符信息,对于英文,数字来说是够用的。
  • 01100001  =  97   =>     a
  • 01100010  =  98   =>     b

3、GBK

  • window系统默认的码表。兼容ASCII码表,也包含了几万个汉字,并支持繁体汉字以及部分日韩文字。
  • 注意:GBK是中国的码表,一个中文以两个字节的形式存储。但不不包含世界上所有国家的文字。

4、Unicode码表

  • unicode(又称统一码、万国码、单一码)是计算机科学领域里的一项业界字符编码标准。
  • 容纳世界上大多数国家的所有常见字符和符号。
  • 由于Unicode会先通过UTF-8,UTF-16,以及UTF-32 的编码成二进制后再存储到计算机,其中最为常见的就是UTF-8。

5、注意

  • Unicode是万国码,以UTF-8编码后一个中文一般以 三个字节 的形式存储
  • UFT-8也要兼容ASCII编码表。
  • 技术人员都应该使用UTF-8的字符集编码。
  • 编码前和编码后的字符集需要一致,否则会出现中文乱码。

字符集(ASCII、GBK、Unicode、UTF-8)_第1张图片

6、字符串常见和字符底层组成是什么样的?

  • 英文和数字等在任何国家的字符集中都占1个字节
  • GBK字符中一个中文字符占 2 个字节
  • UTF-8 编码中一个中文 一般占 3 个字节

7、编码前的字符集和编码后的字符集有什么要求?

  • 必须一致,否则会出现中文字符乱码
  • 英文和数字在任何国家的编码中都不会乱码

8、字符集的编码、解码操作

8.1、String编码

方法名称 说明
byte [ ]  getBytes() 使用平台的默认字符集该String编码为一些列字节,将结果存储到新的字节数组中
byte [ ]  getBytes (String  charsetName)  使用指定的字符集将该String编码为一系列字节,将结果存储到新的字符数组中

8.2、String解码

构造器 说明
String(byte [ ]  bytes) 通过使用平台的默认字符集解码指定的字节数组来构造新的String
String(byte [ ] bytes,String charsetName) 通过指定的字符集解码指定的字节数组来构造新的String
package com.csdn.d1_file;
import java.io.UnsupportedEncodingException;
import java.util.Arrays;

/**
 * 目标:学会自己进行文字的编码和解码,为以后可能用到的场景做准备。
 */
public class Charset {
    public static void main(String[] args) throws UnsupportedEncodingException {
        //1.编码:把文字转换成字节(使用指定的编码)
        String name = "csdn很牛逼";//13个字节
        //默认 UTF-8 一个中文 占 3 个 字节
        byte[] encodeUtf = name.getBytes();
        System.out.println(encodeUtf.length);//13
        System.out.println(Arrays.toString(encodeUtf));//[99, 115, 100, 110, -27, -66, -120, -25, -119, -101, -23, -128, -68]

        //GBK 一个中文 占 2 个字节
        byte[] encodeGbk = name.getBytes("GBK");
        System.out.println(encodeGbk.length);//10
        System.out.println(Arrays.toString(encodeGbk));//[99, 115, 100, 110, -70, -36, -59, -93, -79, -58]

        //2.解码:把字节转换成对应的中文形式(编码前 和 编码后 的字符集必须一致,否则乱码)
        String decodeUtf = new String(encodeUtf);
        System.out.println(decodeUtf.length());//7
        System.out.println(decodeUtf);//csdn很牛逼

        String decodeGbk = new String(encodeUtf, "GBK");
        System.out.println(decodeGbk.length());//9
        System.out.println(decodeGbk);//csdn寰堢墰閫�
    }

}

你可能感兴趣的:(#,Java语言概述,字符集)