字符编码

Posted 2020-12-12 wx1995

对于数字来说，计算机可直接表示和处理，但是计算机是如何表示文字的呢？因为字符毕竟是现实世界当中的文字，而文字每个国家又是不同的。

 

字符编码(字符集)：起初的时候计算机只支持数字，因为计算机最初就是为了科学计算，随着发展，需要让计算机支持现实世界当中的文字，一些标准制定的协会就制定了字符编码(字符集)，字符编码其实就是一张对照表，在这个对照表上描述了某个文字与二进制之间的对应关系。

 

ASCII码

由美国标准协会指定，是基于拉丁字母的一套电脑编码系统，主要用于显示现代英语和其他西欧语言。是现今最通用的信息交换标准，并等同于国际标准ISO/IEC646。

ASCII码采用1个字节编码，1个字节可以表示256种不同的形式，对于英文来说这个足够了，英文英文单词大小写全部才52个，再加上数字和标点符号也不会超过256个，但对于中文来说就远远不够了。

 

编码和解码

 编码和解码是字符编码当中，常见的两个术语，举例来说：‘a‘是97，97对应的二进制是01100001，那么从‘a‘到二进制01100001的转换过程称为编码，从二进制01100001到‘a‘的转换过程称为解码。

 

 

为什么会出现乱码？

编码和解码要采用同一种字符编码方式(要采用同一个对照表)，不然会出现乱码，这是乱码出现的本质原因。

 

ISO-8859-1字符集

随着计算机的不断发展，为了让计算机支持更多国家的语言，国际标准组织又制定了ISO-8859-1字符集，又被称为latin-1,向上兼容ASCII码，仍不支持中文主要支持西欧语言。再后来，计算机慢慢的开始支持简体中文、繁体中文、日本语、朝鲜语等，其中支持简体中文的字符集包括：GB2312 、GBK 、GB18030，它们的容量大小不同，其中 GB2312 < GBK < GB18030。支持繁体中文的是大五码 Big5 等。

 

Unicode编码

在上个世纪90年代初，国际组织制定了一种字符编码方式，叫做Unicode编码，这种编码方式统一了全球所有国家的文字，具体实现包括：UTF-8,UTF-16,UTF-32等。

 

Java 为了国际化，为了支持所有国家的语言，所以 Java 采用的编码方式为 Unicode 编码。例如字符‘中‘对应的 Unicode 码是‘u4e2d‘。在实际开发中几乎所有的团队都会使用 Unicode 编码方式，因为这种方式更通用，兼容性更好。