java的IO流之字符编码

1.字符编码的发展历程

阶段1:

计算机只认识数字,我们在计算机里一切数据都是以数字来表示,因为英文符号有限,

所以规定使用的字节的最高位是0.每一个字节都是以0~127之间的数字来表示,比如A对应65,a对应97.

这就是美国标准信息交换码-ASCII.

阶段2:

随着计算机在全球的普及,很多国家和地区都把自己的字符引入了计算机,比如汉字.

此时发现一个字节能表示数字范围太小,不能包含所有的中文汉字,那么就规定使用两个字节来表示一个汉字.

规定:原有的ASCII字符的编码保持不变,仍然使用一个字节表示,为了区别一个中文字符与两个ASCII码字符,

中文字符的每个字节最高位规定为1(中文的二进制是负数).这个规范就是GB2312编码,

后来在GB2312的基础上增加了更多的中文字符,比如汉字,也就出现了GBK.

阶段3:

新的问题,在中国是认识汉字的,但是如果把汉字传递给其他国家,该国家的码表中没有收录汉字,其实就显示另一个符号或者乱码.

为了解决各个国家因为本地化字符编码带来的影响,咱们就把全世界所有的符号统一进行编码-Unicode编码.

此时某一个字符在全世界任何地方都是固定的,比如'哥',在任何地方都是以十六进制的54E5来表示.

Unicode的编码字符都占有2个字节大小.

--------------------------------------------------------------------------------------------------------------

常见的字符集:

ASCII: 占一个字节,只能包含128个符号. 不能表示汉字

ISO-8859-1:(latin-1):占一个字节,收录西欧语言,.不能表示汉字.

ANSI:占两个字节,在简体中文的操作系统中 ANSI 就指的是 GB2312.

GB2312/GBK/GB18030:占两个字节,支持中文.

UTF-8:是一种针对Unicode的可变长度字符编码，又称万国码,是Unicode的实现方式之一。

编码中的第一个字节仍与ASCII兼容，这使得原来处理ASCII字符的软件无须或只须做少部份修改，即可继续使用。

因此，它逐渐成为电子邮件、网页及其他存储或传送文字的应用中，优先采用的编码。互联网工程工作小组（IETF）要求所有互联网协议都必须支持UTF-8编码。

UTF-8 BOM:是MS搞出来的编码,默认占3个字节,不要使用这个.

--------------------------------------------------------------------------------------------------------------

存储字母,数字和汉字:

存储字母和数字无论是什么字符集都占1个字节.

存储汉字:   GBK家族占两个字节,UTF-8家族占3个字节.

--------------------------------------------------------------------------------------------------------------

不能使用单字节的字符集(ASCII/ISO-8859-1)来存储中文.

2.字符的编码和解码操作

  编码:  把字符串转换为byte数组.

  解码:  把byte数组转换为字符串.

一定要保证编码和解码的字符相同,否则乱码.

import java.io.UnsupportedEncodingException;
import java.util.Arrays;

public class IODemo3 {
public static void main(String[] args) throws UnsupportedEncodingException {
String str = "杨哥";
//编码String---->byte[]
byte[] bytes = str.getBytes();//我这里默认是UTF-8
System.out.println(Arrays.toString(bytes));//[-26, -99, -88, -27, -109, -91]

//解码byte[]--->String
String ret = new String(bytes);////我这里默认是UTF-8
System.out.println(ret);//杨哥
System.out.println("================================");

String str2 = "杨哥哥";
//编码String---->byte[]
byte[] bytes2 = str.getBytes("GBK");//我也可以自己指定编码
System.out.println(Arrays.toString(bytes2));//[-47, -18, -72, -25]

//解码byte[]--->String
String ret2 = new String(bytes2);//我这里默认是UTF-8,
System.out.println(ret2);//这里出现乱码���,因为我前面指定了编码为GBK
//所以解码也应该用GBK
String ret3 =new String(bytes2, "GBK");
System.out.println(ret3);//杨哥
}
}