关于编码

计算机是只能识别0和1的，我们的文字就多了，语种就不少，汉语，英语，法语等等，随便找十几二十种不难，每种语言又有许多不同的符号，指望计算机直接表示是不可能了，只能使用0和1的组合来表示这些符号了。

最早的流行的编码方式叫做ASIIC码，用一个字节（8个字位）来表示一个符号，说白了就是用0和1给每个字符加个编号，计算机处理时就是用这些编号，至于输出还要联合一下字库等其它组件。当时由于计算机都是一群说英语的人搞的，所以最早的字符编码只考虑了英文，而且由于英语字符少，一个字节都没用完，只用了7个字位，120多个字符。后来计算机普及了，就不能让计算机只识别英文字符了，所以很多人在这个基础上搞了很多编码方案来适应不同的语言，比如我们中国当时搞了个GB2312字符集，一个汉字用两个字节表示，兼容ASIIC码，后来扩展了两次，第一次升级叫做GBK，这个方案目前最通用，第二次升级叫做GB18030，这个字符集很大，包含了很多不常用的字符，所以目前最流行的还是GBK。

但是有些国际组织对此看得更远，希望高出一种更好的编码，可以容纳更多的符号，这就是Unicode。Unicode使用四个字节存储一个符号，也就是说，Unicode最多可以存储大约2的32次方个符号，大约是40亿以上，目前才用了10万多。潜力很大。

Unicode是一种编码方案，具体实施起来又有很多不同的方案，什么UTF-32，UTF-16，UTF-8，固定字长，可变字长，高位在前，低位在前等等，最常见的就是UTF-8，这个方案中每个字符长度不一定，英文是一个字节，汉字就是3个字节，既能表达清其内容，又不太费空间。

java是支持UTF-8的，实际上JAVA支持目前大多数编码格式。但还要考虑源程序文件的存储格式。同样是这个内容，可以用GBK编码存储，也可以用UTF-8，但这时会出现一个问题，汉字在GBK中和UTF-8中表示形式好像不一样，在一种编码格式下很好，换个格式就成乱码了。这也是为什么上一个实验中的计算器中的汉字都是方块了，因为不识别。

这就带来两个问题，为什么课本上的Applet就没有问题？为什么AWT组件中的汉字出问题而Swing的没有？我查了一些资料，汇总了一下，得出一个推论，因为没有明确的资料，只能写下这个推论，谁有更好的，更明确地解释一定要告诉我。

浏览器支持多种编码格式，所以可以识别GBK和UTF-8的编码，所以无论是什么格式，浏览器都没有问题。

AWT窗口为什么有问题呢，因为AWT这个东西其实有问题，当初SUN为了让JAVA做的GUI界面运行在多个系统下，只允许AWT拥有所有操作系统共有组件，比如按钮，文本框，所以没有目录树等组件，为什么要这样设计呢？因为AWT不是完全运行在JAVA虚拟机上的，AWT生成一个组件，是要调用操作系统本身资源来生成一个组件的。所以它不敢在AWT加入太多特性，万一某个功能Windows有而Linux没有就不能跨平台了。可能这样说还有点抽象，再举个例子，比如让AWT生成一个按钮，这个按钮不是java程序本身的，而是操作系统生成的，比如在Windows下，按钮这个组件是C++/C语言写的，那么呈现在用户面前的这个按钮不是靠JAVA语言生成，而是一个C++/C程序，就是JAVA语言调用了C++和C的代码。据《Think in java》这本书介绍，AWT是SUN公司一个月时间搞出来的，所以到了后来SUN自己都看不下去了，又搞了一套纯JAVA编写的Swing组件，AWT用得就很少了。

那么说了这么多，为什么会有汉字变方块的问题呢？我推测，我们写入JAVA程序的字符都是UTF-8，至少是Unicode，因为JAVA本身支持的就是Unicode，如果这些字符都在JAVA虚拟机中处理，不管什么编码都没关系，反正我们写的和虚拟机处理的都一样，比如Swing。但是AWT不同，我们写的是Unicode，AWT工作时却要调用系统资源，中文版Windows处理中文用GBK编码，这和JAVA的Unicode是不一样的，所以会出现方块或者乱码。怎么解决呢，我们可以把源文件存储为GBK编码就可以了，总不能不用中文吧。

在NetBeans中修改编码的方法是在项目栏中找到要修改的项目，在名字上（就是带有咖啡杯图标那个名字）点鼠标右键，在弹出菜单中选择“属性”,打开的属性对话框中最下面有“编码”一项，可以改成GBK或者GB2312，单击“确定”按钮即可。