java--字元編碼簡介

基礎知識

位元組和字元

      位元組(byte):一個八位的存儲單元，取值範圍一定是0～255;

      字元(character):就是一個語言上的符号,"中"字就是一個字元。

                 字元所占的大小由其編碼方式解決,比如"中"在UTF-8中占3個位元組(0xE4A8AD),而在GBK中,則占兩個位元組(0xD6D0)。

字元集和編碼

      字元集:字元的集合，像Unicode字元集，目标就是收納了這個世界上所有語言的文字、符号等;

      字元編碼:注意,字元集隻是規定了有哪些字元,而最終決定采用哪些字元,每一個字元用多個位元組表示等問題,

                             則是由編碼來決定的。像Unicode字元集的編碼方式有很多，

                             諸如UTF-8、UFT-16、UTF-32等。字元集和字元編碼是分開的概念,

                             但有時候稱呼上會有些模糊,我們經常籠統地稱這些Unicode字元集的編碼為Unicode編碼。

       内碼：作業系統内部的字元編碼。像早期的DOS采用的是ASCII,而現在的作業系統大把采用Unicode編碼。

編碼簡史

        先了解一下編碼的曆史,才能知道為什麼要編碼。

        計算機對多語言的支援，大緻為分以下三個階段：

        階段一：ASCII時代。計算機是DOS時代的計算内碼是ASCII碼,ASCII的表示範圍就是0到127那幾個符号,

                     這意味着,DOS時代的計算機隻能顯示英文,而無法支援其他語言。

                     由于英文系國家開創了并繼續主導了計算機的世界,他們自然而然地認為全世界的文字用8個位元組表示足矣。

         階段二：ANSI時代。由于上述原因,像我們這些非英文系的國家的為了顯示自家的文字,

                      不得不一開始就得面對字元編碼的問題,不同國家不同地區都建立了自己的編碼标準。

                      像中國大陸是GB2312及後來的GBK,台灣是BIG5,日本是JIS。

           ASCII字元集,以及這些由此派生并相容的字元集稱為ANSI字元集。

          階段三：Unicode時代。為了和諧而出現,相較于以上兩個階段,這個時代稱為國際化時代,

                        适應了跨平台、跨語言之間交換資訊的需求。

package edu.fjut.charset;

import java.io.File;
import java.io.FileOutputStream;
import java.io.OutputStream;

/*在計算機世界裡,任何的文字都是以指定的編碼方式存在的,在JAVA程式開發中,
 *最常見的編碼有一下幾種:ISO8859-1、GBK/GB2312、Unicode、UTF
 *ISO8859-1：此編碼屬于單位元組編碼,最多隻能表示0-255的字元範圍,主要用于英文
 *GBK/GB2312:中文的國标編碼、專門用來表示漢字,是雙位元組編碼.GB2312隻能表示簡體
 *unicode:java中就是使用此編碼方式,也是最标準的一種編碼,是使用16進制表示的編碼.
 *        但此編碼不相容ISO8859-1編碼
 *UTF:由于Unicode不支援ISO8859-1編碼,而且容易占用更多的空間,而且對于英文字母也
 *    需要使用兩個位元組編碼,這樣使用Unicode不便于傳輸和存儲,是以産生了UTF編碼,
 *    UTF編碼相容了ISO8859-1編碼,可以用來表示所有的語言字元.
 *    UTF是 Unicode Translation Format,即把Unicode轉做某種格式的意思。 
 */
public class CharsetDemo {
     
	//亂碼産生的根本原因是:字元編碼不統一造成的
	public static void main(String[] args) throws Exception{
		
		//因為現在的本機環境是中文環境,是以是使用GBK編碼
		System.out.println("系統預設編碼:"+System.getProperty("file.encoding"));//GBK
		
		File file=new File("d:"+File.separator+"javase"+File.separator+"code.txt");
		
		OutputStream out=new FileOutputStream(file);//執行個體化輸出流
		
		byte []b="中國,你好".getBytes("ISO8859-1");//轉碼操作,可以指定要的字元編碼
		
		out.write(b);//儲存,打開檔案後,凡是中文的全部變成?????,因為編碼不一緻
		             //改成支援中文的編碼就行了
		out.close();//關閉
		
	}

}