字符串和文本

历史悠久的文本（可打印，即可显示的字符串）可能是用来表示信息最常用的方式。文本使用起来非常方便，因为人们习惯于处理各种各样以字符串形式表示的信息，如书本中，报纸中，以及电脑显示器上的信息。因此，只要我们指定如何对要传输的文本进行编码，我们就几乎能发送其他任何类型的数据：先将其表示成文本形式，再对文本进行编码。显然，我们可以将数字和boolean类型的数据表示成String类型，如"123478962"，"6.02e23"，"true"，"false"等。我们也已经看到，通过调用getBytes()方法，可以将一个字符串转换成字节数组（见TCPEchoClient.java）。当然，还有其他方法实现这个功能。

为了更好地理解这个过程，我们首先得将文本视为由符号和字符（characters）组成。实际上每个String实例都对应了一个字符序列（数组，char[]类型）。一个字符在Java内部表示为一个整数。例如，字符"a"，即字母"a"的符号，与整数97对应；字符"X"对应了88，而符号"!"（感叹号）则对应了33。

在一组符号与一组整数之间的映射称为编码字符集（coded character set.）。或许你听说过ASCII编码字符集（ASCII，American Standard Code for Information Interchange，美国标准信息交换码）。ASCII码将英语字母、数字、标点符号以及一些特殊符号（不可打印字符）映射成0到127的整数。自20世纪60年代以来，ASCII码就被用来进行数据传输，甚至在今天，它也广泛应用在应用程序协议中，如HTTP（万维网所用的协议）。然而，由于它忽略了许多英语以外的其他语言所使用的符号，在如今全球化经济环境下，使用ASCII码来开发应用程序和设计协议就显得不够理想。

因此，Java使用了一种称为Unicode的国际标准编码字符集来表示char型和String型值。Unicode字符集将"世界上大部分的语言和符号"[ ]映射到整数0至65535之间，能更好地适用于国际化程序。例如，日文平假名中代表音节"o"的符号映射成了整数12362。Unicode包含了ASCII码：每个ASCII码中定义的符号在Unicode中所映射整数与其在ASCII码中映射的整数相同。这就为ASCII与Unicode之间提供了一定程度的向后兼容性。

发送者与接收者必须在符号与整数的映射方式上达成共识，才能使用文本信息进行通信。这就是他们所要达成一致的所有内容吗？还得根据情况而定。对于每个整数值都比255小的一小组字符，则不需要其他信息，因为其每个字符都能够作为一个单独的字节进行编码。对于可能使用超过一个字节的大整数的编码方式，就有多种方式在线路上对其进行编码。因此，发送者和接收者还需要对这些整数如何表示成字节序列统一意见，即编码方案（encodingscheme）。编码字符集和字符的编码方案结合起来称为字符集（charset，见RFC 2278）。你也可以定义自己的字符集，但没有理由这样做，世界上已经有大量不同的标准（standardized）字符集在使用。Java提供了对任意字符集的支持，而且每种实现都必须支持以下至少一种字符集：US-ASCII（ASCII的另一个名字），ISO-8859-1，UTF-8，UTF-16BE，UTF-16LE，UTF-16。

调用String实例的getBytes()方法，将返回一个字节数组，该数组根据平台默认字符集（default charset）对String实例进行了编码。很多平台的默认字符集都是UTF-8，然而在一些经常使用ASCII字符集以外的字符的地区，情况有所不同。要保证一个字符串按照特定（particular）字符集编码，只需要将该字符集的名字作为参数（String类型）传递给getBytes()方法，其返回的字节数组就包含了由指定字符集表示的字符串。（注意，在第2.2.1节的TCP回显客户端/服务器示例程序与编码是无关的，因为它们根本没有对接收到的数据进行解释。）

下面举例来对getBytes()方法进行说明。如果在著作本书的平台上调用"Test!".getBytes()，你将获得按照UTF-8字符集编码的字节数组；然而如果你调用"Test!".getBytes("UTF-16BE")，