java中关于编码问题

  刚刚开始学习java，用的是命令行编译与执行，所以总会出现因为编码问题而出现的编译乱码导致编译不通过。下面详细说一下，在编写java程序时，当出现乱码时，到底是哪里出了问题。

  对于编码格式，不多说了，咱们用的比较经常的就是UTF和GB2312了。咱们的中文系统由于是简体中文的，也是GB2312编码模式。所以当用纯文本编写程序时，我们可以选择将要保存的形式，到底是ANSI还是utf，如果选择了UTF-8形式，当我们编译时，会报错，引文win下的纯文本编辑器它默认的在文本前方将BOM，所以大部分编译错误都会指向程序的第一个字符。所以，若想编译通过，最好保存为ANSI，但是又为了通用性，当然也可以保存为UTF-8形式，但是在编译时要加上-ENCODING UTF-8，这样才能编译通过。

在计算机中字符通常并不是保存为图像，每个字符都是使用一个编码来表示的，而每个字符究竟使用哪个编码代表，要取决于使用哪个字符集(charset)。

在最初的时候，Internet上只有一种字符集——ANSI的ASCII字符集，它使用7
bits来表示一个字符，总共表示128个字符，其中包括了英文字母、数字、标点符号等常用字符。之后，又进行扩展，使用8 bits表示一个字符，可以表示256个字符，主要在原来的7
bits字符集的基础上加入了一些特殊符号例如制表符。

后来，由于各国语言的加入，ASCII已经不能满足信息交流的需要，因此，为了能够表示其它国家的文字，各国在ASCII的基础上制定了自己的字符集，这些从ANSI标准派生的字符集被习惯的统称为ANSI字符集，它们正式的名称应该是MBCS(Multi-Byte
Chactacter System，即多字节字符系统)。这些派生字符集的特点是以ASCII 127 bits为基础，兼容ASCII
127，他们使用大于128的编码作为一个Leading Byte，紧跟在Leading
Byte后的第二（甚至第三）个字符与Leading Byte一起作为实际的编码。这样的字符集有很多，我们常见的GB-2312就是其中之一。

例如在GB-2312字符集中，“连通”的编码为C1
AC CD A8，其中C1和CD就是Leading
Byte。前127个编码为标准ASCII保留，例如“0”的编码是30H（30H表示十六进制的30）。软件在读取时，如果看到30H，知道它小于128就是标准ASCII，表示“0”，看到C1大于128就知道它后面有一个另外的编码，因此C1
AC一同构成一个整个的编码，在GB-2312字符集中表示“连”。

由于每种语言都制定了自己的字符集，导致最后存在的各种字符集实在太多，在国际交流中要经常转换字符集非常不便。因此，提出了Unicode字符集，它固定使用16 bits（两个字节、一个字）来表示一个字符，共可以表示65536个字符。将世界上几乎所有语言的常用字符收录其中，方便了信息交流。标准的Unicode称为UTF-16。后来为了双字节的Unicode能够在现存的处理单字节的系统上正确传输，出现了UTF-8，使用类似MBCS的方式对Unicode进行编码。注意UTF-8是编码，它属于Unicode字符集。Unicode字符集有多种编码形式，而ASCII只有一种，大多数MBCS（包括GB-2312）也只有一种。