Java采用的字符集编码——Unicode（标准码）

Posted 2023-01-21 长不大的大灰狼

Ⅰ 什么是字符集？

字符：字符(Char)是各种文字和符号的总称，包括各国家文字、标点符号、图形符号、数字等。

字符集：字符集(Charset)是多个字符的集合，字符集种类较多，每个字符集包含的字符个数不同。

Ⅱ 有哪些常用的字符集？

1. ASCII

7位（bits）表示一个字符，共128字符，字符值从0到127。
在Java中，char类型可以直接运算，char在ASCII等字符编码表中有对应的数值对char类型字符运算时，直接当做ASCII表对应的整数来对待。

2. GB2312

GB2312又称为GB2312-80字符集，全称为《信息交换用汉字编码字符集·基本集》，由原中国国家标准总局发布.

3 BIG5

Big5码的产生，是因为当时台湾不同厂商各自推出不同的编码，如倚天码、IBM PS55、王安码等，彼此不能兼容；另一方面，台湾政府当时尚未推出官方的汉字编码，而中国大陆的GB2312编码亦未有收录繁体中文字。
Big5字符集共收录13,053个中文字，该字符集在中国台湾使用。

4.GB18030

GB 18030的全称是GB18030-2000《信息交换用汉字编码字符集基本集的扩充》，是我国政府于2000年3月17日发布的新的汉字编码国家标准，2001年8月31日后在中国市场上发布的软件必须符合本标准。

5.Unicode

Unicode字符集编码（Universal Multiple-Octet Coded Character Set，通用多八位编码字符集），是由一个名为 Unicode 学术学会(Unicode Consortium)的机构制订的字符编码系统，支持现今世界各种不同语言的书面文本的交换、处理及显示。该编码于1990年开始研发，1994年正式公布，最新版本是2012年1月31日的Unicode 6.1。

Java 的字符类型采用的是Unicode 编码方案，每个Unicode 码为两个字节，占用16个比特位，这是较老的版本。

现在unicode编码占几位，取决于实现unicode的用的什么编码，utf-8、utf-16、utf-32规定了用多少位表示。

UTF-8是Unicode的其中一个使用方式。 UTF是 Unicode Tranformation Format，即把Unicode转做某种格式的意思。UTF-8 便于不同的计算机之间使用网络传输不同语言和编码的文字。 UTF-8 是目前互联网上使用最广泛的一种 Unicode 编码方式，它的最大特点就是可变长。它可以使用 1 - 4 个字节表示一个字符。