Java基础学习之Java基本语法（3）【字符集】

本人是职场新手，想用记录博客的方式给自己的学习之路做点笔记，若有不对还望指正！

1.ASCII码

在计算机内部，所有数据都是用二进制表示。每一个二进制位（bit）有0和1两种状态，因此8个二进制位就可以组合出256种状态，这被称为一个字节（byte）

ASCII码一共规定了128个字符的编码

缺点：

①不能表示所有的字符；

②相同的编码表示的字符不一样：比如130在法语编码中表示é，在希伯来语编码中表示字母Gimel (ג)；

2.Unicode编码

乱码：世界上存在很多种编码方式，同一个二进制数字可以被解释成不同的符号。因此要想打开一个文本文件，就必须知道它的编码方式，否则用错误的编码方式解读，就会出现乱码。

Unicode：一种编码，将世界上所有的符号都纳入其中。每一个符号都给予一个独一无二的编码，使用Unicode没有乱码的问题

缺点：Unicode只是一个符号集，它只是规定了符号的二进制代码，却没有规定这个二进制代码应该怎么存储，也就是说，计算机无法区分是Unicode还是ASCII，计算机无法区分三个字节表示一个符号还是分别表示三个符号。

3.UTF-8

UTF-8是在互联网上使用最广的一种Unicode的实现方式。

UTF-8是一种变长的编码方式。它可以使用1-6个字节表示一个符号，根据不同的符号而变化字节长度

UTF-8的编码规则：

①对于单字节的UTF-8编码，该字节的最高位为0，其余7位用来对字符进行编码（等同于ASCII）

②对于多字节的UTF-8编码，如果编码包含n个字节，那么第一个字节的前n位为1，第一个字节的n+1位为0，该字节的剩余各位用来对字符进行编码。在第一个字节之后的所有的字节，都是最高两位为“10”，其余6位用来对字符进行编码。

其中有专门针对汉字的字符集：GBK和GB2312，编码方式和规则等同于UTF-8