Java 字符編碼與解碼

一、字符編碼的發展歷程

　　①、ASCII 碼

　　由於計算機只認識數字，因此咱們在計算機裏面的一切數據都是以數字來表示，由於英文字符有限，因此規定使用的字節的最高位是 0，每個字節都是以 0-127 之間的數字來表示。好比 A 對應 65，a 對應 97。這即是 美國標準信息交換碼，ASCII

		String str = new String("Aa");
		byte[] strASCII = str.getBytes("ASCII");
		System.out.println(Arrays.toString(strASCII));//[65, 97]

　　

　　②、GB2312 碼

　　隨着計算機在全球的普及，不少國家和地區都把本身的字符引入了計算機，好比漢字。此時發現一個字節能表示的數字範圍過小，不能包含全部的中文漢字。那麼就規定使用兩個字節來表示一個漢字。

　　規定：原有的 ASCII 字符的編碼保持不變，仍然使用一個字節表示，爲了區別一箇中文字符與兩個 ASCII 碼字符相區別。中文字符的每一個字節最高位規定爲 1（即中文的二進制是負數），這即是 GB2312 編碼

		String str = new String("Aa帥鍋");
		byte[] strASCII = str.getBytes("GB2312");
		System.out.println(Arrays.toString(strASCII));//[65, 97, -53, -89, -71, -8]

　　

　　③、GBK

　　因爲中國漢字太多，在 GB2312 的基礎上增長了更多的中文字符，這種編碼是 GBK

 

問題：若是隻是在中國，那麼你們都認識漢字，可是若是是別的國家，而該國家的碼錶中是沒有收錄漢字的。那麼計算機在顯示的時候就爲亂碼或是別的字符

 

解決辦法：爲了解決各個國家由於本地化字符編碼帶來的影響，就把全世界全部的字符統一進行編碼---Unicode 編碼

　　　　　此時某一個字符在全世界任何地方顯示都是固定的，好比漢字 哥，在任何地方都是以十六進制 54E5 來表示。

　　　　　Unicode 的字符編碼都佔有兩個字節

 

　　④、UTF-8

　　是一種針對 Unicode 的可變長度字符編碼，又稱爲 萬國碼，是 Unicode 的實現方式之一。編碼中的第一個字節仍與 ASCII 兼容，這使得原來處理 ASCII 字符的軟件無須或只需作少部分修改，便可繼續使用。所以，它逐漸成爲電子郵件、網頁及其餘存儲或傳送文字的應用中，優先採用的編碼。互聯網工程工做小組（IETF）要求全部互聯網協議都必須支持 UTF-8 編碼

		String str = new String("Aa帥鍋");
		byte[] strASCII = str.getBytes("UTF-8");
		System.out.println(Arrays.toString(strASCII));//[65, 97, -27, -72, -123, -23, -108, -123]

　　

 

存儲字母、數字：不管什麼字符集都佔有 1 個字節

存儲漢字：GBK 家族佔有 2 個字節。UTF-8 佔有 3 個字節

　　　　   不能使用單字節的字符集（ASCII/ISO-8859-1）來存儲中文

 

 

 

二、字符的編碼和解碼

　　信息在計算機網絡中傳輸是以字節的形式。那麼如何變爲字節？這就是編碼的過程。那麼計算機接收了這個編碼，如何讓使用者認識呢？那必需要將字節轉換爲人所識別的字符串形式，這就是解碼的過程。

 

　　編碼：將字符串轉換爲 byte 數組

　　解碼：把 byte 數組轉換爲 字符串

注意：①、編碼格式和解碼格式必須一致，不然亂碼

String str = new String("Aa帥鍋");
		//編碼操做
		byte[] strByte = str.getBytes("GBK");
		System.out.println(Arrays.toString(strByte));//[65, 97, -53, -89, -71, -8]
		
		//解碼操做  
		//注意編碼的字符集和解碼的字符集格式必須一致（是其擴展字符集也能夠），不然會亂碼
		//第一種：編碼格式爲 GBK，解碼格式爲 ISO-8859-1  那麼就會亂碼
		String str2 = new String(strByte,"ISO-8859-1");
		System.out.println(str2); //Aa?§??
		
		//第二種：編碼和解碼格式一致
		String str3 = new String(strByte,"GBK");
		System.out.println(str3); //Aa帥鍋

　　②、有時候編碼爲和解碼格式一致了，可是仍是亂碼，這是由於在數據在傳輸過程當中通過服務器的處理，而這個服務器多是外國人編寫的，那麼就會將數據轉換爲 別的字符格式，那麼你若是仍是直接轉爲本身想要的格式是會亂碼的。

　　解決辦法：先獲取通過服務器以後的數據還原編碼，而後在進行解碼

String str = new String("Aa帥鍋");
		//編碼操做
		byte[] strByte = str.getBytes("UTF-8");
		System.out.println(Arrays.toString(strByte));//[65, 97, -27, -72, -123, -23, -108, -123]
		
		
		//中間通過了服務器的傳輸，編碼格式轉成了 ISO-8859-1
		String str2 = new String(strByte,"ISO-8859-1");
		
		//解碼操做  ,此時若是直接進行解碼，那麼會亂碼
		String str3 = new String(str2.getBytes(),"UTF-8");
		System.out.println(str3); //Aa???????
		
		//對於上面的亂碼，咱們必須先還原服務器以前的編碼格式，而後在進行解碼。那麼就不會亂碼
		byte[] strByte2 = str2.getBytes("ISO-8859-1");
		String str4 = new String(strByte2,"UTF-8");
		System.out.println(str4); //Aa帥鍋