字符集详解 - 技术栈

常见字符集介绍

字符集基础知识：

计算机底层不可以直接存储字符的。

计算机中底层只能存储二进制(0、1) 。

二进制是可以转换成十进制的。

结论：计算机底层可以表示成十进制编号。计算机可以给人类字符进行编号存储，这套编号规则就是字符集。

ASCII字符集：

ASCII(American Standard Code for Information Interchange，美国信息交换标准代码)：包括了数字、英文、符号。

ASCII使用1个字节存储一个字符，一个字节是8位，首位为0，总共可以表示128个字符信息，对于英文，数字来说是够用的。

GBK：

window系统默认的码表。兼容ASCII码表，也包含了几万个汉字，并支持繁体汉字以及部分日韩文字。

注意：GBK是中国的码表，一个中文以两个字节的形式存储。但不包含世界上所有国家的文字。

Unicode码表：

unicode（又称统一码、万国码、单一码）是计算机科学领域里的一项业界字符编码标准。

容纳世界上大多数国家的所有常见文字和符号。

Unicode会先通过UTF-8，UTF-16，以及 UTF-32编码成二进制后再存储到计算机，其中最为常见的就是UTF-8。

注意

Unicode是万国码，以UTF-8编码后一个中文一般以三个字节的形式存储。

UTF-8也要兼容ASCII编码表。

技术人员都应该使用UTF-8的字符集编码。

编码前和编码后的字符集需要一致，否则会出现中文乱码。

汉字存储和展示过程解析

总结

1、字符串常见的字符底层组成是什么样的？

英文和数字等在任何国家的字符集中都占1个字节。

GBK字符中一个中文字符占2个字节。

UTF-8编码中一个中文1般占3个字节。

2、编码前的字符集和编码好的字符集有什么要求？

必须一致，否则会出现中文字符乱码。

英文和数字在任何国家的编码中都不会乱码。

字符集的编码、解码操作

String编码

byte\[\] getBytes() 使用平台的默认字符集将该 String编码为一系列字节，将结果存储到新的字节数组中。

byte\[\] getBytes(String charsetName)

String解码

String(byte\[\] bytes) 通过使用平台的默认字符集解码指定的字节数组来构造新的 String。

String(byte\[\] bytes, String charsetName)

案例

java 复制代码

public class Test {
    public static void main(String[] args) throws Exception {
        // 1、编码：把文字转换成字节（使用指定的编码）
        String name = "abc我爱你中国";
        // byte[] bytes = name.getBytes(); // 以当前代码默认字符集进行编码 （UTF-8）
        byte[] bytes = name.getBytes("GBK"); // 指定编码
        System.out.println(bytes.length);
        System.out.println(Arrays.toString(bytes));

        // 2、解码：把字节转换成对应的中文形式（编码前 和 编码后的字符集必须一致，否则乱码 ）
        // String rs = new String(bytes); // 默认的UTF-8
        String rs = new String(bytes, "GBK"); // 指定GBK解码
        System.out.println(rs);
    }
}