字符编码这个事儿

Posted 2020-11-14 lovelywxd

计算机中的编码和解码

　　计算中信息的表示是通过二进制01字节流。编码方式即为不同的二进制通过转换所表示出来的特定信息（不同的编码方式均有特定的规则）

　　符号集：ASCII只可表示128个符号。其他的文字符号ASCII无法表示。Unicode为其中一种字符集，该字符集包含了世界上所有的符号。

　　Unicode规定了符号的二进制格式，但是没有固定编码格式（二进制格式如何存储）。于是UTF-8，UTF-32等等编码方式都是具体Unciode符号的存储方式。

　　乱码的根因形成：编码和解码方式的不同，且编码和解码使用的字符集不同。

Java中的字符编码

　　内码：程序内部使用的字符编码。Java字符的内码均为UTF-16(Unicode)编码。java文件编译形成class文件（编码）----JVM加载class文件（解码）。

　　外码：程序与外部（文件、数据库、网络等）交互使用的字符编码。

　　内码与外码的转换。外码---（解码）---Unicode码（内部使用统一的Unicode码，避免乱码）； String.getBytes()（内码---（先解内码，再使用默认或者指定方式编码）--外码）； new String(bytes[] array, charset) 解外码方式。

以HttpRequest的编码和解码为例（HttpParser类）

　　头参数（URL编码：URL不允许使用特定出了英文符号之外的字符，故需要进行编码%。不同的浏览器或客户端可能采用不同的编码方式。）  含有其他字符可以指定编码方式。一般默认解码都是ISO-8859-1 

　　请求体（Content-Type指定了编码格式）