java中字符與字節的編碼關係

一個英文字母字符存儲須要1個字節。在 GB 2312 編碼或 GBK 編碼中，一個漢字字符存儲須要2個字節。 在UTF-8編碼中，一個英文字母字符存儲須要1個字節，一個漢字字符儲存須要3到4個字節。在UTF-16編碼中，一個英文字母字符或一個漢字字符存儲 都須要2個字節（Unicode擴展區的一些漢字存儲須要4個字節）。在UTF-32編碼中，世界上任何字符的存儲都須要4個字節。

 

其次還要知道一點常識，就是咱們在記事本等一些文本工具中 寫的都是字符，沒有誰會去寫字節（能夠寫字節，可是要用具特殊的編輯器），可是其實，咱們的寫的是字符，但磁盤上真實存儲的是字節。

這裏就出現了轉換的問題，固然，這些問題記事本自己會幫助咱們解決。咱們打開一個記事本，而後文件--另存爲，你會發現有幾種存儲格式供您選擇，
ANSI格式：就是ascii的格式
Unicode格式：採用國際通用的編碼存儲
Unicode big endian格式：這個和unicode有點區別，但我也不明太具體的不一樣
UTF-8：採用utf-8存儲，看過上面的兩篇文章，你會十分的瞭解這裏介紹的編碼。Utf-8，是unicode的一種實現方式。

例如咱們在記事本里面輸入「連通」兩個字。

1.咱們另存記事本的時候，採用unicode存儲，那麼雖然咱們看到的字符仍是「連通」，可是其實存儲在磁盤上的字節 確實
8FDE（連） 901A （通），這個是規定的，unicode是國際上規定的，給世界上的每一個字符分配的惟一編碼。獲取某個字符的unicode的方法，能夠去網上查找，最簡單 的方法，就是打開word文檔，輸入字符，把光標移動到字符後面，按alt+x，word會自動把字符轉換成unicode編碼，這裏呢咱們也能夠看到， 用unicode存儲漢字啊，每一個漢字佔用兩個字節。

2.咱們另存記事本的時候，採用utf-8存儲，雖然咱們看到的字符仍是「連通」，可是其實存儲在磁盤上的字節 確實已經變化了，這時候存儲的是
E8 BF 9E （連）E9 80 9A（通）。這就是utf-8的存儲的編碼，至於utf-8爲何這樣存儲，你能夠閱讀上面的兩篇文章來了解，能夠看到，utf-8使用3個字節存儲一個漢字。

另外咱們還要知道的就是：電腦怎麼區分一個記事本是用什麼存儲的呢？
換句話說，爲何我用unicode存儲的8FDE（連） 901A （通），電腦就知道這是unicode編碼，從而使用unicode解碼，還原爲「連通」呢？電腦又怎麼知道E8 BF 9E （連）E9 80 9A（通）這是按照utf-8的存儲方式存儲的呢？

這裏有一點標記，就是在存儲字節的時候，記事本首先在最前面 標明，這個記事本下面的存儲格式 是utf-8，仍是unicode。

例如，

1.unicode存儲「連通」。磁盤字節真實存儲的實際上是：

FF FE 8FDE 901A

前兩個FF FE是標記，告訴電腦，這個文檔的存儲方式是unicode

2.utf-8存儲「連通」。磁盤字節真實存儲的實際上是：

EF BB BF E8 BF 9E E9 80 9A

前三個EF BB BF 告訴電腦 這個文檔是utf-8存儲的