2.1 字符编码和字符集
字符编码
计算机中储存的信息都是用二进制数表示的，而我们在屏幕上看到的数字、英文、标点符号、汉字等字符是二进制 数转换之后的结果。按照某种规则，将字符存储到计算机中，称为编码。反之，将存储在计算机中的二进制数按照 某种规则解析显示出来，称为解码。比如说，按照 A 规则存储，同样按照 A 规则解析，那么就能显示正确的文本 f 符 号。反之，按照 A 规则存储，再按照 B 规则解析，就会导致乱码现象。字符编码 Character Encoding : 就是一套自然语言的字符与二进制数之间的对应规则。字符集
字符集 Charset：也叫编码表。是一个系统支持的所有字符的集合，包括各国家文字、标点符号、图形符 号、数字等。
计算机要准确的存储和识别各种字符集符号，需要进行字符编码，一套字符集必然至少有一套字符编码。常见字符 集有 ASCII 字符集、GBK 字符集、Unicode 字符集等。
} // 释放资源 br.close(); // 遍历 map 集合 for (int i = 1; i <= lineMap.size(); i++) {String key = String.valueOf(i); // 获取 map 中文本 String value = lineMap.get(key); // 写出拼接文本 bw.write(key+”.”+value); // 写出换行 bw.newLine();} // 释放资源 bw.close();} }
可见，当指定了编码，它所对应的字符集自然就指定了，所以编码才是我们最终要关心的。
ASCII 字符集：ASCII（American Standard Code for Information Interchange，美国信息交换标准代码）是基于拉丁 字母的一套电脑编码系统，用于显示现代英语，主要包括控制字符（回车键、退格、换行键等）和可显 示字符（英文大小写字符、阿拉伯数字和西文符号）。基本的 ASCII 字符集，使用 7 位（bits）表示一个字符，共 128 字符。ASCII 的扩展字符集使用 8 位（bits）表示一个字符，共 256 字符，方便支持欧洲常用字符。ISO-8859- 1 字符集：拉丁码表，别名 Latin-1，用于显示欧洲使用的语言，包括荷兰、丹麦、德语、意大利语、西班牙语等。ISO-5559- 1 使用单字节编码，兼容 ASCII 编码。GBxxx 字符集：GB 就是国标的意思，是为了显示中文而设计的一套字符集。GB2312：简体中文码表。一个小于 127 的字符的意义与原来相同。但两个大于 127 的字符连在一起时，就表示一个汉字，这样大约可以组合了包含 7000 多个简体汉字，此外数学符号、罗马希腊的字母、日文 的假名们都编进去了，连在 ASCII 里本来就有的数字、标点、字母都统统重新编了两个字节长的编码，这 就是常说的 ” 全角 ” 字符，而原来在 127 号以下的那些就叫 ” 半角 ” 字符了。GBK：最常用的中文码表。是在 GB2312 标准基础上的扩展规范，使用了双字节编码方案，共收录了 21003 个汉字，完全兼容 GB2312 标准，同时支持繁体汉字以及日韩汉字等。GB18030：最新的中文码表。收录汉字 70244 个，采用多字节编码，每个字可以由 1 个、2 个或 4 个字节 组成。支持中国国内少数民族的文字，同时支持繁体汉字以及日韩汉字等。Unicode 字符集：Unicode 编码系统为表达任意语言的任意字符而设计，是业界的一种标准，也称为统一码、标准万国 码。它最多使用 4 个字节的数字来表达每个字母、符号，或者文字。有三种编码方案，UTF-8、UTF-16 和 UTF32。最为常用的 UTF- 8 编码。UTF- 8 编码，可以用来表示 Unicode 标准中任何字符，它是电子邮件、网页及其他存储或传送文字的应用 中，优先采用的编码。互联网工程工作小组（IETF）要求所有互联网协议都必须支持 UTF- 8 编码。所以，我们开发 Web 应用，也要使用 UTF- 8 编码。它使用一至四个字节为每个字符编码，编码规则：1. 128 个 US-ASCII 字符，只需一个字节编码。2. 拉丁文等字符，需要二个字节编码。3. 大部分常用字（含中文），使用三个字节编码。4. 其他极少使用的 Unicode 辅助字符，使用四字节编码。