javaSE I/O流—— 字符集

Posted 2022-10-10 玛丽莲茼蒿

        计算机一开始在美国流行起来，ASCII编码完全够用，后来推广到欧洲、全世界。出现了欧洲用的ISO编码，中国用的GBK编码。

        这时候有一个问题，如果一个文档由美国人、欧洲人、中国人共同编辑，那么我们无论使用ASCII、ISO、GBK哪种编码方式，都会有部分乱码（比如使用GBK，那么只有中文是正常的，其他人写的都是乱码）。

        所以出现了Unicode，想要把全世界的字符统一起来，形成一个“大表”。Unicode规定除了兼容ASCII用一个字节之外，所有字符都由两个字节表示，这显然是不够的。和计算机网络的ISO参考模型一样，并没有被市场采用。

        取而代之的是utf-8，算是Unicode的一种实现。

        那utf-8，utf-16里面的“8”和“16”代表什么意思呢？

        我们知道，utf是一种变长的编码方式，可以用1个字节、2个字节、3个字节甚至4个、6个字节表示1个字符。那么，现在内存中有一串二进制编码

0110 0111 1010 1000 0011 1111 0001 1011 

        那到底是哪几个字节表示一个字符呢？这就需要做一个标记。

        以utf-8为例，它的标记是这样做的：

         

         也就是说要每隔“8”位去读前面的标记，这是utf-8中“8”的含义。同样地，utf-16就需要在每“16”位的开头做标记，这就是“16”的含义。