ASCII 码

学过计算机的人都知道 ASCII 码。总共同拥有 128 个，用一个字节的低 7 位表示，0~31 是控制字符如换行回车删除等。32~126 是打印字符。能够通过键盘输入并且能够显示出来。这128个符号(包括32个不能打印出来的控制符号)，仅仅占用了一个字节的后面7位，最前面的1位统一规定为0。ISO-8859-1

128 个字符显然是不够用的，于是 ISO 组织在 ASCII 码基础上又制定了一些列标准用来扩展 ASCII 编码，它们是 ISO-8859-1~ISO-8859-15。当中 ISO-8859-1 涵盖了大多数西欧语言字符，全部应用的最广泛。ISO-8859-1 仍然是单字节编码，它总共能表示 256 个字符。GB2312

它的全称是《信息交换用汉字编码字符集 基本集》。它是双字节编码，总的编码范围是 A1-F7，当中从 A1-A9 是符号区，总共包括 682 个符号，从 B0-F7 是汉字区，包括 6763 个汉字。GBK

全称叫《汉字内码扩展规范》。是国家技术监督局为 windows95 所制定的新的汉字内码规范，它的出现是为了扩展 GB2312，增加很多其它的汉字，它的编码范围是 8140~FEFE(去掉 XX7F)总共同拥有 23940 个码位，它能表示 21003 个汉字，它的编码是和 GB2312 兼容的，也就是说用 GB2312 编码的汉字能够用 GBK 来解码，并且不会有乱码。UTF-16

说到 UTF 必须要提到 Unicode(Universal Code 统一码)，ISO 试图想创建一个全新的超语言字典。世界上全部的语言都能够通过这本字典来相互翻译。

可想而知这个字典是多么的复杂，关于 Unicode 的具体规范能够參考相应文档。

Unicode 是 Java 和 XML 的基础，以下具体介绍 Unicode 在计算机中的存储形式。须要注意的是，Unicode仅仅是一个符号集，它仅仅规定了符号的二进制代码，却没有规定这个二进制代码应该怎样存储。

比方，汉字"严"的unicode是十六进制数4E25，转换成二进制数足足有15位(100111000100101)。也就是说这个符号的表示至少须要2个字节。表示其它更大的符号，可能须要3个字节或者4个字节。甚至很多其它。

UTF-16 具体定义了 Unicode 字符在计算机中存取方法。UTF-16 用两个字节来表示 Unicode 转化格式。这个是定长的表示方法，任何字符都能够用两个字节表示，两个字节是 16 个 bit，所以叫 UTF-16。UTF-16 表示字符非常方便。每两个字节表示一个字符，这个在字符串操作时就大大简化了操作。这也是 Java 以 UTF-16 作为内存的字符存储格式的一个非常重要的原因。UTF-8

UTF-16 统一採用两个字节表示一个字符，尽管在表示上非常easy方便，可是也有其缺点，有非常大一部分字符用一个字节就能够表示的如今要两个字节表示，存储空间放大了一倍，在如今的网络带宽还非常有限的今天。这样会增大网络传输的流量，并且也不是必需。而 UTF-8 採用了一种变长技术，每个编码区域有不同的字码长度。

不同类型的字符能够是由 1~6 个字节组成。

UTF-8 有以下编码规则：

假设一个字节，最高位(第 8 位)为 0，表示这是一个 ASCII 字符(00 - 7F)。

可见。全部 ASCII 编码已经是 UTF-8 了。

假设一个字节。以 11 开头，连续的 1 的个数暗示这个字符的字节数，比如：110xxxxx 代表它是双字节 UTF-8 字符的首字节。

反复一遍，这里的关系是，UTF-8是Unicode的实现方式之中的一个。

下表总结了编码规则，字母x表示可用编码的位。

Unicode符号范围 | UTF-8编码方式(十六进制) | (二进制)

--------------------+---------------------------------------------

0000 0000-0000 007F | 0xxxxxxx

0000 0080-0000 07FF | 110xxxxx 10xxxxxx

0000 0800-0000 FFFF | 1110xxxx 10xxxxxx 10xxxxxx

0001 0000-0010 FFFF | 11110xxx 10xxxxxx 10xxxxxx 10xxxxxx

在 Java 开发中除了 I/O 涉及到编码外。最经常使用的应该就是在内存中进行字符到字节的数据类型的转换。

上面介绍了常见的编码格式，以下结合样例看看java中编解码方式：

我们一汉字“严”为例进行測试。

public class LengthTest {

public static void main(String[] args) throws Exception{

String name = "严";

byte[] utf8 = name.getBytes("UTF-8");

System.out.println(utf8.length);

System.out.print("UTF8:");toHex(utf8);

byte[] gbk = name.getBytes("GBK");

System.out.print("GBK:");toHex(gbk);

String unicodeStr =Integer.toHexString("严".charAt(0) );

System.out.println("unicode:"+unicodeStr); //

//unicode转汉字

StringBuffer sb = new StringBuffer();

String str[] = unicodeStr.toUpperCase().split("U");

for(int i=0;i

if(str[i].equals("")) continue;

char c = (char)Integer.parseInt(str[i].trim(),16);

sb.append(c);

}

System.out.println(sb.toString());

}

public static void toHex(byte[] b) {

for (int i = 0; i < b.length; i++) {

System.out.printf("%x " , b[i]);

}

System.out.println();

}

}

我们把 name 字符串依照前面说的几种编码格式进行编码转化成 byte 数组，然后以 16 进制输出，我们先看一下 Java 是怎样进行编码的。