字符集与编码规则

字符集

强调：UTF-8是编码规则，不是字符集

过程：

字符 --查表获得对应数字，--编码

解码---查表----获取字符

ASCII码 ：一个字节 8bit

GBK字符集（windows系统默认使用的GBK,系统显示ANSI）

存储规则：

GBK英文编码规则：

• 英文用一个字节存储，完全兼容ASCII码
• 不足8位，前面补0

GBK汉字编码规则：

• 汉字两个字节存储
• 高位字节二进制用1开头，转成十进制之后是一个负数

Unicode字符集

UTF-16编码规则:用2~4个字节保存

UTF-32编码规则：用4个字节保存

UTF-8编码规则：用1~4个字节保存

英文用1个字节，中文用3个字节表示

乱码：

原因：

1. 读取数据时没有读完整个汉字
2. 编码和解码的规则不统一

避免方法：

1. 不要用字节流读取文件
2. 编码时使用同一个编码规则，同一个码表

java中编码和解码的实现

public byte[] getByte(String charsetName) 使用指定的方式编码

public String(Byte[] bytes,String charSetName) 使用指定的方式解码

(不带参就使用默认编码，解码)

   @Test
    public void encode() throws UnsupportedEncodingException {
        String str = "无敌是多么寂寞";
        byte[] bytes= str.getBytes("UTF-8");
        String str1= new String(bytes,0,bytes.length,"GBK");
        System.out.println(str1);
    }