Java IO流（五）(字符集基础知识简介)

• 字符集

1. 计算机的存储规则（英文字符）

1. 常见字符集介绍

a.GB2312字符集：1980年发布，1981年5月1日实施的简体中文汉字编码国家标准。收录7445个图形字符，其中包括6763个简体汉字

b.BIG5字符集：台湾地区繁体中文标准字符集，共收录13053个中文字，1984年实施。

c.GBK字符集：2000年3月17日发布，收录21003个汉字。

包含国家标准GB13000-1中的全部中日韩汉字，和BIG5编码中的所有汉字。windows系统默认使用的就是GBK，系统显示：ANSI。

d.Unicode字符集：国际标准字符集，它将世界各种语言的每个字符定义一个唯一的编码，以满足跨语言、跨平台的文本信息转换。

1. 计算机的存储规则（GBK中文字符）

规则1:汉字两个字节存储

规则2:高位字节二进制一定以1开头，转成十进制之后是一个负数。

1. 字符集小结

1.在计算机中，任意数据都是以二进制的形式来存储的

2.计算机中最小的存储单元是一个字节

3.ASCI字符集中，一个英文占一个字节

4.简体中文版Windows,默认使用GBK字符集

5.GBK字符集完全兼容ASCI字符集

一个英文占一个字节，二进制第一位是0

一个中文占两个字节，二进制高位字节的第一位是1

1. Unicode字符集

Unicode:万国码

研发方：统一码联盟  (也叫Unicode组织)

总部位置：美国加州

研发时间：1990年

发布时间：1994年发布1.0版本，期间不断添加新的文字，最新的版本是2022年9月13日发布的15.0版本。

联盟组成：世界各地主要的电脑制造商、软件开发商、数据库开发商、政府部门、研究机构、国际机构、及个人组成

1. UTF-16编码规则：用2~4个字节保存

Unicode Transfer Format

1. UTF-32编码规则：固定使用四个字节保存
2. UTF-8编码规则：用1~4个字节保存

在UTF-8编码下，英文使用1个字节保存，中文使用3个字节保存。

注意UTF-8并不是字符集，而是Unicode的一种编码方式。

Unicode字符集的UTF-8编码格式

一个英文占一个字节，二进制第一位是0,转成十进制是正数

一个中文占三个字节，二进制第一位是1,第一个字节转成十进制是负数。

1. Java中编码的方法

String类中的方法	说明
public byte[] getBytes()	使用默认方式进行编码
public byte[] getBytes(String charsetName)	使用指定方式进行编码

1. Java中解码的方法

String类中的方法	说明
String(byte[] bytes)	使用默认方式进行解码
String(byte[] bytes, String charsetName)	使用指定方式进行解码

代码如下：

import java.io.UnsupportedEncodingException;
import java.util.Arrays;public class CharsetDemo1 {public static void main(String[] args) throws UnsupportedEncodingException {// 1.编码String str = "你好啊~";// 使用默认字符集编码byte[] bytesDefault = str.getBytes();System.out.println(Arrays.toString(bytesDefault));// [-28, -67, -96, -27, -91, -67, -27, -107, -118, 126]// 使用GBK字符集编码byte[] bytesGBK = str.getBytes("GBK");System.out.println(Arrays.toString(bytesGBK));// [-60, -29, -70, -61, -80, -95, 126]// 2.解码String str2 = new String(bytesDefault); // 使用默认编码方式解码System.out.println(str2); // 你好啊~String str3 = new String(bytesDefault, "GBK");System.out.println(str3); // 浣犲ソ鍟妦}
}