文章目錄

• 常見字符集 （ASCII、GBK、UTF-8、編碼方案，解碼方案、亂碼等問題）
• • 1.ASCII編碼
  • 2.GBK編碼（漢子內碼擴展規范，國標）
  • 3.UTF-8編碼
  • • Unicode字符集（統一碼，也加萬國碼）
    • UTF-8編碼方式
  • 4.java代碼實現字符的編、解碼
  • • 編碼
    • 解碼

常見字符集 （ASCII、GBK、UTF-8、編碼方案，解碼方案、亂碼等問題）

1.ASCII編碼

• 當美國人發明計算機時，他們遇到了一個問題：要想讓計算機來處理數據，首先得讓計算機
  能夠存儲美國人的文字，但是計算機是機器只能處理 0和1（二進制數） 兩種信號，為此美
  國人設計出了一套能夠讓計算機存儲他們文字的編碼（ASCII編碼）。由于美國人的文字只
  由數字(0_{9)、26個字母(a}z,A~Z)、標點符號以及一些特殊字符組成，加起來總共127個字符，
  于是美國人就給這127個字符進行編號：從0到127（0~127）。為了讓計算機能夠存儲，他們就將
  每個編號轉換為對應二進制數，由于計算機存儲數據的基本單位是字節，而1字節用8位二進制數
  表示，而7位二進制數就可以表示0到127所有的字符，于是美國人就在每個字符編碼前面加了一
  位0,使其構成8位，至此美國人的文字在計算機中就用一位字節表示。

• 標準ASCII字符集

  • ASCII(American Standard Code for Information Interchange)：美國信息交換標準代碼，包括了英文符號等。

  • 標準ASCII使用1字節存儲一個字符，首位是0，總共可以表示128個字符，對美國佬來說完全夠用。

2.GBK編碼（漢子內碼擴展規范，國標）

• 隨著計算機的使用越來越廣泛，當中國人看到美國人的編碼(ASCII編碼)時，說了一句：還不夠我塞牙縫！

• 漢字編碼字符集，包含2萬多個漢字等字符，GBK中一個中文字符編碼成兩個字節的形式存儲。

• 注意：GBK兼容了ASCII字符集。（這里提一句：因為計算機是美國人發明的，你要使用，就要聽話，
  遵守美國人制定的規則，所以需要兼容ASCII字符集）

• 問題來了：如果英文數字用一個字節存儲，漢字用兩個字節存儲，那么當一段文字中既有漢字也有英文
  時，計算機是怎樣識別的呢？

  • GBK規定：漢字的第一個字節的第一位必須是1。當計算機讀取字節的時候發現該字節的第一位是1
    時，計算機就認為這是一個漢字，于是計算機就連讀取兩個字節來表示一個漢字，當計算機讀取字節
    時發現第一位是0，計算機就認為這是一個ASCII的字符，于是計算機就只讀取一個字節來表示為ASCII
    的字符。

3.UTF-8編碼

• 當計算機在全世界普及時，如果每個國家都來一個編碼，比如：巴基斯坦碼、迪拜碼、島國碼、韓文碼、
  烏茲別克斯坦碼、吉爾吉斯斯坦碼、哈薩克斯坦碼這么的編碼時，會出現現一個很嚴重的問題：信息在各個國
  家流通的時候，比如：韓文碼用迪拜碼打開時肯定會出現一個亂碼的問題！這時，國際組織就站出來了，說：
  你們都別整自己字符集了，我來給全世界國家整一套通用的字符集，叫Unicode字符集（統一碼，也加萬國碼）

Unicode字符集（統一碼，也加萬國碼）

• Unicode是國際組織制定的，可以容納世界上所有文字、符號的字符集。

• Unicod字符集提供了很多編碼方案，例如：UTF-32

  • UTF-32編碼方案的思想是：簡單粗暴，我用四個字節來存儲一個字符，有容乃大。

  • 但是UTF-32并沒有被人們所接納，因為人們覺得這種編碼太 奢侈 了，美國人ASCII字符集本來一個字節
    就可以存儲但是用UTF-32就需要用四個字節，空出來3個字節用不到還多要3倍的存儲空間，非常的浪費，就
    是連中國人的漢字也沒占到便宜，有兩位字節用不到，還要多用1倍的存儲空間。而且這樣字符在通訊效率上
    還會大大降低。

  • 國際組織站出來看好像也是啊，于是國際組織又設計了一套改變字符蒼生的新的編碼方案：UTF-8

UTF-8編碼方式

• 是Unicode字符集的一種編碼方案嗎，采取可邊長方案，共分四個長度區：1字節，2字節，3字節，4字節
• 英文字符、數字等只占1個字節（兼容標準ASCI編碼），漢字字符占用3個字節。

UTF-8編碼方案說明

0xxxxxxx （ASCII碼）	1個字節：第一位為0
110xxxxx 10xxxxxx	2個字節：第一個字節前3位為110，第二個字節前2位位10
1110xxxx 10xxxxxx 10xxxxxx	3個字節：第一個字節前4位為1110，第2個字節和第3個字節前2位都位10
11110xxx 10xxxxxx 10xxxxxx 10xxxxxx	4個字節：第一個字節前5位為11110，后3個字節每個字節前2位都為10

• 其余位才用來存儲具體的字符編碼，從右開始排列

• 注意：

  • 技術人員在開發的時候都應該使用UTF-8編碼！
  • 字符編碼時使用的字符集，和解碼時使用的字符集必須一致，否則會出現亂碼
  • 英文，數字一般不會亂碼，因為很多字符集都兼容了ASCII編碼。

4.java代碼實現字符的編、解碼

編碼

String提供如下方法說明

byte[] getBytes()	使用平臺的默認字符集將該 String編碼為一系列字節，將結果存儲到新的字節數組中
byte[] getBytes(charsetName)	使用指定字符集將該 String編碼為一系列字節，將結果存儲到新的字節數組中

import java.util.Arrays; /*使用java程序對字符進行編解碼。 */ public class Test {public static void main(String[] args){System.out.println("Hello World!");//1.編碼String data = "a愛b";byte[] bytes = data.getBytes(); // 默認是按照平臺字符集（UTF-8）進行編碼。/*輸出結果：[97, -26, -120, -111, 98]解析：[97, -26, -120, -111, 98]a 我 b在 utf-8編碼 中英文占一個字節，中文占三個字節*/System.out.println(Arrays.toString(bytes));//按指定的字符集進行編碼。byte[] bytes1 = data.getBytes("GBK");/*輸出結果：[97, -50, -46, 98]解析：[97, -50, -46, 98]a 我 b在 GBK編碼 中英文占一個字節，中文占兩個字節*/System.out.println(Arrays.toString(bytes1));} }

解碼

String提供如下方法說明

String(byte[] bytes)	使用平臺的默認字符集將該 String編碼為一系列字節，將結果存儲到新的字節數組中
String(byte[] bytes, String charsetName)	使用指定字符集將該 String編碼為一系列字節，將結果存儲到新的字節數組中

import java.io.UnsupportedEncodingException; import java.util.Arrays;/*使用java程序對字符進行編解碼。 */ public class Test {public static void main(String[] args) throws Exception {//1.編碼String data = "a我b";byte[] bytes = data.getBytes(); // 默認是按照平臺字符集（UTF-8）進行編碼。System.out.println(Arrays.toString(bytes));//按指定的字符集進行編碼。byte[] bytes1 = data.getBytes("GBK");System.out.println(Arrays.toString(bytes1));//2.解碼String s1 = new String(bytes); // 按照平臺默認編碼（UTF-8）解碼。System.out.println(s1); // 輸出結果：a我b//String s2 = new String(bytes1); //用平臺默認的字符集（UTF-8）解碼用GBK字符集編碼的字符串//System.out.println(s2); //輸出亂碼結果：a��bString s2 = new String(bytes1,"GBK"); // 用與編碼相同的字符集（GBK）來解碼System.out.println(s2); //輸出結果：a我b} }

總結

以上是生活随笔為你收集整理的字符集 （ASCII、GBK、UTF-8、编码方案，解码方案、乱码等问题）的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。