字符編碼/Java字符流與字節流/Buffer原理/對象序列化

字符編碼/Java字符流與字節流/Buffer原理/對象序列化

聲明

文章均爲本人技術筆記，轉載請註明出處https://segmentfault.com/u/yzwall

字符編碼與編碼標準

字符集：收入標準中的符號集合成爲字符集

編碼：將給定字符轉換成底層存儲字節的過程

ASCII編碼

ASCII只支持英文編碼，不支持其餘語言；ASCII編碼使用一個字節編碼一個字符，一共規定了128個字符，每一個字符只佔用一個字節的後7位，第1位統一爲0，

ANSI編碼

與ASCII編碼相對，非英語國家自定義適合本國語言的編碼標準，使用多個字節存儲一個字符。可是不一樣ANSI編碼之間互不兼容，沒法將不一樣語言的文字存儲在同一段用ANSI編碼的文本中；

Unicode編碼

與ANSI編碼相對，國際組織制定Unicode編碼，爲不一樣語言中的每一個字符規定了統一併且惟一的數字編號，實現跨語言和跨平臺；

大端存儲與小端存儲

• 大端存儲：高位字節存儲在低地址端，低位字節存儲在高地址端；（高放低，低放高）

• 小端存儲：低位字節存儲在低地址端，高位字節存儲在高地地端；（高放高，低放低）

網絡傳輸和x86存儲均採用大端存儲；在Unicode規範中，根據文本文件的頭兩個字節，斷定採用大端存儲仍是小端存儲：

• 頭兩個字節是FE FF：大端存儲；

• 頭兩個字節是FF FE：小端存儲；

Unicode實現方式：UTF-8

一個字符的Unicode編碼是肯定的，可是在實際傳輸過程當中，有多種Unicode編碼實現方式。Unicode實現方式成爲Unicode轉換格式(Unicode Transformation Format, UTF)；UTF-8是應用最廣的Unicode實現方式，使用1~4個字節存儲一個字符。Unicode其餘實現形式包括UTF-16（單個字符用2個或4個字節表示）和UTF-32（單個字符用4個字節表示）

UTF-8的編碼規則

• 單字節字符：字節第一位爲0，後7位爲該字符的Unicode編碼。所以對於英文字符，UTF-8編碼與ASCII編碼相同；

• 多字節字符(n > 1)：

  • 第一個字節的前n位全爲1，第n+1位設爲0；

  • 其他字節的前2位一概設爲10;

  • 其他二進制位所有爲該字符的Unicode編碼；

漢字編碼

漢字編碼主要有GBK，GB2312和Big5；

• GB2312：GB2312由國家標準總局發佈，是一個簡化版的漢子編碼規範，又稱國標碼。GB2312規定對任意一個字符采用2個字節存儲，每一個字節採用7位編碼表示；

• GBK：GBK是GB2312的擴展，兼容GB2312，每一個漢字由2個字節存儲；

• Big5：Big5是繁體字編碼，每一個漢子由2個字節存儲；

Java字節流與字符流

Java IO系統中，

字節流基類：InputStream和OutputStream

字符流基類：Reader和Writer

字節流I/O單位是單個字節，字符流I/O單位是是由JVM將單個字節解碼後的Unicode字符，Java中實際運行的只有字節流，只有對字符流進行解碼操做後才能獲得字符流。
Java中一個char類型採用Unicode編碼，大小佔兩個字節，能夠表示一箇中文字符；C/C++中char類型採用ASCII字符集，沒法表示一箇中文字符；

緩衝區Buffer實現原理

字節流本質上是CPU直接與慢速存儲設備進行I/O，速度較慢。因爲CPU與主存的I/O速度遠遠高於與慢速存儲設備，所以在內存中開闢一段足夠大空間稱之爲緩衝區(Buffer)，系統每次嘗試先從緩衝區中讀取數據，若是讀取失敗則選擇從後備存儲中讀取新數據放入緩衝區中，最後將緩衝區中對應數據返回給用戶。

對象序列化

對象序列化與反序列化：將Java對象轉變成字節流存儲，稱之爲對象序列化。從字節流中恢復一個Java對象，稱之爲對象反序列化。
序列化資格：只有實現了Serializable接口的對象，才能夠被序列化。
序列化實現：經過ObjectOutputStream.writeObject(Object)將對象Object序列化；
反序列化實現：經過ObjectInputStream.readObject()反序列化一個對象；
序列化應用：對象序列化多用於分佈式網絡中經過RMI傳輸對象；

參考

[1] http://blog.csdn.net/sugar_z_/article/details/51276984
[2] http://www.ruanyifeng.com/blog/2007/10/ascii_unicode_and_utf-8.html