参考深入分析javaweb技术内幕第三章

常见编码类型

1，ASCII码:
单字节编码，共128字符，用1个字节的低七位表示，0-31是控制字符如换行，回车，删除等，32-126是打印字符，可以通过键盘输入并且能够显示出来

2，ISO-8859-1
在ASCII码基础上扩展的编码，包括ISO-8859-1到ISO-8859-15，其中ISO-8859-1涵盖了大多数西欧字符，所以应用的最广泛。单字节编码，共256个字符

3，GB2312
全称“信息技术中文编码字符集”，双字节编码，编码范围A1-F7，其中A1-A9是符号区，总共包含682个符号；B0-B7是汉字区，包含6763个字汉

4，GBK
全称“汉字内码扩展规范”，为了扩展GB2312而出现，编码范围是8140-FEFE(去掉XX7F),总共有23940个码位，能表示31003个汉字；兼容GB2312，可以用GBK解码GB2312的汉字

5，GB18030
全称是“信息技术 中文编码字符集”，是我国的强制标准，它可能是单字节，双字节或者四字节编码，它的编码与GB2312兼容，实际应用中不广泛

6，UTF-16
用两个字节来表示Unicode的转化格式，采用定长的表示方法，16bit，所以叫UTF-16，每两个字节表示一个字符，大大简化了字符串操作，所以这也是JAVA以UTF-16作为内存的字符存储格式的重要原因

7，UTF-8
UTF-8采用变长的表示方法。每个编码区有不同的字码长度，不同类型的字符可以由1-6个字节组成。
如果是1字节，最高位（第8位）是0，则表示这个是1个ASCII字符（00-7F)
如果是一个字节，以11开头，表示这个是一个双字节的字符，这个是它的首字节
如果是一个字节，以10开头，表示这个是一个双字节的字符，这个是它的末字节，要向前查找，才能得到当前字符的首字节。

对于双字节的编码：由于不同处理器对2字节的处理方式不同，有Big-endian(高位字节在前，低位字节在后），或little-endian(低位字节在前，高位字节在后）编码（大端模式and小端模式），所以前面有两个字节用来保持BYTE_ORDER_MARK值

UTF-8 VS UTF16：
UTF-16用顺序编码，不能对单个字符的编码值进行校验，如果一个字符码值损坏，后面的所有码值都将受到影响。编码效率高，但是浪费存储空间，适合本地使用
UTF-8 适合网络传输，效率介于GBK和UTF-16之间，是理想的中文编码方式。

在javaWeb中需要编码的场景

URL的编解码
http://localhost:8080/examples/servlets/servlet/名字？author=我

其中pathInfo和queryString需要分别进行编解码操作（可能是不一样的编码）
默认的iso-8859-1，所以在URL中，要尽量避免使用费非ASCII的字符，不然不是乱码就是配起来麻烦
具体配置方法参考javaweb技术内幕P78

HTTP Header的编解码
默认是ISO-8859-1，而且不能设置，所以header中要注意一定不能出现非ASCII字符，不然可能会乱码
如果一定要传递非ASCII的字符，可以将字符先用org.apache.catalina.util.URLEnconder编码，再添加到Header中，这样浏览器传递的时候就不会丢失信息了，在要访问的时候再按照相应的字符集解码即可

POST表单的编解码
通过header contentType的Charset编码格式对表单参数进行的编码，然后提交到服务端，服务端同样用contentType中的字符集进行解码。所以一般不会出现问题
要注意，一定要在request.getParameter之前进行request.setCharacterEncoding(charset)设置，如果没有设置就解析，还是会走默认的iso-8859-1

HTTP Body的编解码
在response.setCharacterEncoding中设置返回的编解码字符集，会覆盖request.setCharacterEncoding中设置的值，并且通过header的Content-Type返回给客户端， 如果http header中的Content-Type没有设置charset，那么浏览器将根据html的