Java字符集和編碼

1、Java字符集和編碼為什么要講字符集？1 Java采用Unicode編碼，char型變量是16位的Unicode編碼；2 加深對java.io包里面的字節(jié)流/字符流的理解；3 理解和解決Java編程中的亂碼問題。UnicodeUTF8GB 23120127 ASCII128255 ASCIIGBKBIG5單字節(jié)字符集（OBCS）變字節(jié)字符集（DBCS）雙字節(jié)字符集（DBCS）一 ASCII編碼是由美國國家標(biāo)準(zhǔn)局(ANSI)制定的ASCII碼（American Standard Code for Information Interchange，美國標(biāo)準(zhǔn)信息交換碼），它已被國際標(biāo)準(zhǔn)化組織（ISO）

2、定為國際標(biāo)準(zhǔn)，稱為ISO 646標(biāo)準(zhǔn)。適用于所有拉丁文字字母，ASCII碼有7位碼和8位碼兩種形式。17位ASCII碼第032號及第127號(共34個)是控制字符或通訊專用字符，如控制符：LF（換行）、CR（回車）、FF（換頁）、DEL（刪除）、BEL（振鈴）等；通訊專用字符：SOH（文頭）、EOT（文尾）、ACK（確認(rèn)）等； 第33126號(共94個)是字符，其中第4857號為09十個阿拉伯?dāng)?shù)字；6590號為26個大寫英文字母，97122號為26個小寫英文字母，其余為一些標(biāo)點符號、運(yùn)算符號等。28位ASCII碼但是，很多國家用的不是英文，他們的字母里有許多是ASCII里沒有的，為了可以在計算

3、機(jī)保存他們的文字，他們決定采用127號之后的空位來表示這些新的字母、符號，還加入了很多畫表格時需要用下到的橫線、豎線、交叉等形狀，一直把序號編到了最后一個狀態(tài)255。從128到255這一頁的字符集被稱"擴(kuò)展ASCII（8位ASCII碼）"。二 雙字節(jié)字符集（Double Byte Charecter Set, DBCS） GB2312GBK在DBCS系列標(biāo)準(zhǔn)里，最大的特點是兩字節(jié)長的漢字字符和一字節(jié)長的英文字符并存于同一套編碼方案里，因此他們寫的程序為了支持中文處理，必須要注意字串里的每一個字節(jié)的值，如果這個值是大于127的，那么就認(rèn)為一個雙字節(jié)字符集里的字符出現(xiàn)了。1 G

4、B2312（Windows3.2和蘋果OS）全稱是GB2312-80信息交換用漢字編碼字符集 基本集，1980年發(fā)布，是中文信息處理的國家標(biāo)準(zhǔn)，可支持6000多個漢字，在大陸及海外使用簡體中文的地區(qū)（如新加坡等）。Windows3.2和蘋果OS就是 以GB2312為基本漢字編碼， Windows 95/98則以GBK為基本漢字編碼、但兼容支持GB2312。 GB2312規(guī)定：（1） 一個小于127的字符的意義與ASCII碼相同；（2） 兩個大于127的字符連在一起時，就表示一個漢字，前面的一個字節(jié)（他稱之為高字節(jié)）從0xA1用到0xF7，后面一個字節(jié)（低字節(jié)）從0xA1到0xFE，這樣我們就可

5、以組合出大約7000多個簡體漢字了。2 GBK（Windows2000、WindowsXP）GBK是GB2312-80的擴(kuò)展，是向上兼容的。它包含了20902個漢字，其編碼范圍：（1） 高字節(jié)0127表示一個與ASCII碼兼容的字符；（2） 高字節(jié)>127表示是一個漢字的第一個字節(jié)，后面的低字節(jié)不再有必須大于127的限制了。（3） “一個漢字需要兩個字節(jié)存儲”3 DBCS的缺點（1） 各地的字符集不兼容（GBK、BIG5）（2） 在讀寫文件時需要判斷每個字節(jié)的值是否大于127，以便判斷是否時一個漢字三 Unicode為了解決DBCS的上述缺點，國際標(biāo)誰化組織指定了一種新的全球統(tǒng)一的編碼方式Unicode。（1） 任何字符都使用2個字節(jié)18位來編碼21665536；（2） 低8位與ASCII碼兼容；（3） 除此之外，沒有考慮與其他DBCS的兼容，他們之間的轉(zhuǎn)換只能依靠查表實現(xiàn)；四 UTF8UTF-8 ： Unicode Transformation Format-8，主要用來在網(wǎng)絡(luò)中快速傳輸U(kuò)nicode字符?；驹恚禾峁┮粋€模板，將不同的Unicode字符映射成不同長度的編碼：（1） 在發(fā)送端，首先確定需要多少個8bits(octets)（2） 并按照模板將Unicode字符重新編碼，進(jìn)行網(wǎng)絡(luò)傳輸