深入理解Java字符集编码和解码

1、 Decoder解码与Encoder编码

• decoder将字符数组转换成字符串（反序列化其实就是解码）
• encoder将字符串换成字符数组转（序列化其实就是编码）
• 在开发工作，前后端推荐使用UTF-8字符集编码

2、 字符集简要

• 在很多空间都是用ISO-8859-1编码，主要是西方人的用法（习惯）
• 字节是字符的一种表示单位
• 某个文件存储在系统磁盘上都有一个编码(要点)

//jdk1.8的包列出系统所有可用的字符集
 Charset.availableCharsets().forEach( (k,v) ->{
    System.out.println( k + " , " + k); 
 });

Charset

3、 ASCII

• ASCII American Standard Code For INformation Interchange 美国信息交换标准代码，以 7 bit 来表示一个字符，共计可以表示128中字符，即： 2的7次方

4、 ISO-8859-1

• ISO-8859-1是以8bit表示一个字符，即用一个字符byte，8 bit来表示一个字符，供计可以表示256个字符

5、 为什么使用ISO-8859-1有时是乱码，有时是正确的中文

• 编码不统一产生
• 一定要强制解码和加码都要一致

6、 GB2312、GBK、GB18030

• GB2312、国际编制，2个字节表示一个汉字（中国制定标准）
• GBK、对GB2312的升级版
• GB18030对汉字最全的支持字节

7、 Unicode

• Unicode对全世界的国际的字节支持，两个字节表示一个字节，对存储容量有明显的弊端，不同语言所导致空间的浪费

8、 UTF (重点)

• UTF: Unicode Translation Format
• Unicode是一种编码方式，而UTF则是一种存储方式 UTF-8是Unicode的实现方式之一

9、常见编码方式

• UTF-16LE (little endian )小端
• UTF16-BE (Big endian) 大端
• ZERO Width NO-Break Space 用得比较少 ,如： 0XFEFF (BE) , 0XFFFE (LE)

10、 UTF-8

• UTF-8 变长字节表示形式，一般来说，UTF-8会通过3个字符来表示一个中文（重点）

11、 BOM

• BOM (Byte Order Mark )字节标识，有操作系统引起对解析，比较头疼的由来，可能操作心跳是遗留一个bug未解决