Java——字符集

一、字符集基础知识：

字符集（Character Set）是多个字符的集合，字符集种类较多，每个字符集包含的字符个数不同，常见字符集有：

• ASCII字符集
• GBK字符集
• Unicode（UTF-8）字符集等。

1、ASCII字符集：

• ASCII(American Standard Code for Information Interchange，美国信息交换标准代码)：包括了数字、英文、符号。
• ASCII使用1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，对于表示英文、数字来说是够用的。

2、GBK：

• GBK是中国的码表，包含了几万个汉字等字符，同时也要兼容ASCII编码，
• GBK编码中一个中文字符一般以两个字节的形式存储。

3、Unicode字符集：

• 统一码，也叫万国码。是计算机科学领域里的一项业界标准。
• UTF-8是Unicode的一种常见编码方式。

注意

• UTF-8编码后一个中文一般以三个字节的形式存储，同时也要兼容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。

常见字符集底层字符的编码是什么样的？

• 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1般占3个字节

编码前的字符集和解码时的字符集有什么要求？

• 必须一致，否则会出现字符乱码
• 英文和数字不会乱码

二、汉字存储和展示过程解析

注意：英文和数字在任何国家的编码中都不会乱码

三、字符集的编码、解码操作

String编码

String解码

演示：

package com.jw;  
  
import java.io.UnsupportedEncodingException;  
import java.util.Arrays;  
  
public class CharatorTest {  
    public static void main(String[] args) throws UnsupportedEncodingException {  
        String str = "张飞";  
        String str1 = "关羽";  
        byte[] b = {-27, -68, -96,-25, -66, -67};  
        String s = new String(b,"UTF-8");  
        byte[] bytes = str.getBytes("UTF-8");  
        byte[] bytess = str1.getBytes("UTF-8");  
  
        System.out.println(bytes.length);// utf-8 两个汉字是6个字节  所以长度为6  
        System.out.println(Arrays.toString(bytes));//[-27, -68, -96, -23, -93, -98]  
        System.out.println(Arrays.toString(bytess));//[-27, -123, -77, -25, -66, -67]  
        System.out.println(s);//张羽  
    }  
}