各种字符编码与Char字符

一、字符集与字符编码

二、常见的字符集与其对应的字符编码

三、Char与Unicode

一、字符集与字符编码

1.字符集:各种字符的集合。

2.字符编码：字符集中每个独立的字符对应的编号

二、常见的字符集与其对应的字符编码

1.ASCLL字符集：

共128个字符，字符编码从二进制0000 0000—0111 1111，十六进制0x00 —0x7F

即从0—127。

0到31外加127为控制字符，共33个。

32到126为可见字符，共95个。(包括数字，英文字母，标点符号)

当其他欧洲国家使用美国的ASCLL码发现，128个字符根本不够用，于是ACSLL码进行了拓展。

2.扩展ACSLL字符集：

共128个字符，字符编码从二进制1000 0000—1111 1111，十六进制0x80—0xFF

即从128—255，也就是在ACSLL码的基础上把ACSLL码的最高位第8位置1增加了128个字符。

当以上字符集来到中国都不包括中文字符，那么则出现了中文字符集。

3.GB2312字符集

10-15为空白区不做介绍

侃的字符编码是5709，先将前两位和后两位分开得到57和09，再把57和09分别转换为16进制，得到0x39和0x09，然后分别加上0xA0得到0xD9和0xA9，最后把0xD9和0xA9合并得到0xD90xA9。

加上0xA0后，GB2312字符编码的高八位和第八位都是大于127的。计算机处理字符编码时，通过判断判定字符编码的大小，判断该字符是ASCLL编码还是GB2312编码。当该编码小于127等于则是ASCLL码，当连续遇到两个大于127的8位则是GB2312编码。

但是中文字符太多了GB2312字符集也无法完全包括，于是出现了GBL字符集

4.GBK字符集

不再规定GB2312字符编码的低8位一定要小于127，只需要保证高8位大于127即可。并且规定计算机只要碰到一个大于127的字节，就代表一个汉字的开始。将这样的GB2312字符集编码称为GBK字符编码。

当出现了各个国家各种字符集和对应的字符编码之后，一段代码，使用不同的编码方式，同样对应的解码方式也就不一样，你的编码解码出来可能是一句通顺的话，但是在其他字符集编码中解码出来则可能是一堆乱码。于是为了解决这样的乱象，Unicode产生了。

5.Unicode

a.UCS-2字符集

b.UCS-2字符集

UTF-8编码规则：UTF-8每次传送8位数据，UTF-8将UCS-4字符集的编码划分为4个区间

编码方式：

例子：'王' 这个字符在UCS-4字符集里面的编码是0x0000 738B，

该编码位于第三区间即0x0000 0800到0x0000 FFFF。

化为二进制0000 0000 0000 0000 0111 0011 1000 1011

第三区间的编码格式：1110xxxx 10xxxxxx 10xxxxxx

将'王'该字符在UCS-4字符集里面的二进制编码0000 0000 0000 0000 0111 0011 1000 1011

按照从后往前的顺序依次插入到第三区间的编码格式中去得到：11100111 10001110 10001011

再换成16进制：0xE7 0x8E 0x8B

三、Char与Unicode

Char类型采用Unicode编码在计算机内存中表示每个字符。Unicode编码是十六进制数，如果我们在编写程序时用十六进制表示字符是非常不方便的。所以在Java程序中Char类型的数据可以用单引号扩起来一个字符来直接表示，例如：’A’，’B’，’攀’，’博’，虽然程序中这样表示，其实Java虚拟机本身还是会以Unicode编码来表示字符，只是你看不到。