java--io学习笔记（一）编码

认识编码

编码是信息从一种形式或格式转换为另一种形式的过程。解码，是编码的逆过程。计算机只认识0和1，那么编码则是文字到0、1的映射，反过来从0、1到文字叫解码。
要显示一串字符“hello world”，需要将字母用不同排列的0、1组合起来表示它，就是一种编码集。一个字节可以表示256个数字，表示字母数字标点足够了，所以用一个字节就可以对应一个字符了。这样一来计算机在显示文字的时候，先将0、1解码成对应的文字，然后在屏幕上渲染出来就可以了。我们将“Hello World”叫做字符，计算机实际存储的是字符对应的编号，这些编号就叫字节流。
开始是美标ASCII码，表示字符只有简单的几个字母只要对字母进行编码就好。但是在中国，这套编码远远不够用，所以于是就有了国际码。 gbk gb2312都是这类。两个其实一个，一个是标准（发布的代号），一个是简称。后来多了个阿拉伯语、日语、韩语…所以就出来统一编码UniCode

ISO-8859-1编码是单字节编码，向下兼容ASCII，其编码范围是0x00-0xFF，0x00-0x7F之间完全和ASCII一致，0x80-0x9F之间是控制字符，0xA0-0xFF之间是文字符号。此字符集主要支持欧洲使用的语言。

GBK: 汉字国标扩展码,基本上采用了原来GB2312-80所有的汉字及码位，并涵盖了原Unicode中所有的汉字20902，总共收录了883个符号， 21003个汉字及提供了1894个造字码位。Windows 95系统就是以GBK为内码，又由于GBK同时也涵盖了Unicode所有CJK汉字，所以也可以和Unicode做一一对应。
ASCII编码和Unicode编码的区别：ASCII编码是1个字节，而Unicode编码通常是2个字节。

UTF-8：如果统一成Unicode编码，乱码问题从此消失了。但是，如果你写的文本基本上全部是英文的话，用Unicode编码比ASCII编码需要多一倍的存储空间，在存储和传输上就十分不划算。所以，本着节约的精神，又出现了把Unicode编码转化为“可变长编码”的UTF-8编码。UTF-8编码把一个Unicode字符根据不同的数字大小编码成1-6个字节，常用的英文字母被编码成1个字节，汉字通常是3个字节，只有很生僻的字符才会被编码成4-6个字节。如果你要传输的文本包含大量英文字符，用UTF-8编码就能节省空间。UTF-8编码有一个额外的好处，就是ASCII编码实际上可以被看成是UTF-8编码的一部分，所以，大量只支持ASCII编码的历史遗留软件可以在UTF-8编码下继续工作。

编码规范

①ASCII码中，一个英文字母一个字节，一个中文汉字两个字节。一个二进制数字序列，在计算机中作为一个数字单元，一般为8位二进制数，换算为十进制。最小值0，最大值255。

②UTF-8编码中，一个英文字符一个字节，一个中文（含繁体）三个字节。

③Unicode编码中，一个英文两个字节，一个中文（含繁体两个字节。

符号：英文标点占一个字节，中文标点占两个字节。举例：英文句号“.”占1个字节的大小，中文句号“。”占2个字节的大小。

④UTF-16编码中，一个英文字母字符或一个汉字字符存储都需要2个字节（Unicode扩展区的一些汉字存储需要4个字节）。

⑤UTF-32编码中，世界上任何字符的存储都需要4个字节。

什么是乱码

出现乱码的原因就是文本字符编码过程与字节流解码过程使用了不同的编码格式，这个往往归咎于解码格式选择错误，也就是说在解码的过程中出现了问题。如 果我的字符是用utf-8编码，你用GBK解码那肯定出问题。因为文字按照utf-8的编码规则编成的0、1，按照GBK的规则解码回来的文字并不是原来 的文字，这时候就会出现乱码了。这种问题会出现在文件读写、网络编码传输、数据库存取上。只要牵涉到字符都有可能出现乱码，因为只要有字符就会有解码过 程。

还有一种 情况就是文件压根不是文本文件，也就是说根本就没有经过编码这个过程，那你去解码当然乱码了。比如64，你如果看做文本字符就是6和4两个字符，可以对应 编码格式进行编码。如果看做是数字64，那对应的存储结构是01000000，就没有编码过程，也就不需要去解码。

要 搞清楚的一点就是同样的文本字符，经过不同的编码，在存储结构上是不一样的，但是代表的字符是一样的，不同编码真正的区别在于存储结构。反过来，相同的存 储结构，经过不同的解码，对应的文本字符并不一样，但是在内存上结构上并没有改变。如果碰到乱码，不要慌张，因为原始存储结构一动没动，只不过用错了解码 方式。就像一千个读者有一千个哈姆雷特一样，真实的哈姆雷特就在那里。

乱码是显示在屏幕上才被认为是乱码，也就是说乱码取决于人的感官，乱码只有人才知道﹐计算机不认为这是乱码。¹

文件编码

不管是文本还是图片视频，计算机都认为是字节流，但这之中还分出了字节流和字符流，纯文本文件用字符流会更方便。
文本文件的可视形式就是文本字符，在存储和显示时有文本字符编解码的过程，可以直接用文本编辑器阅读。除文本文件以外就是二进制文件，不同类型的二进制文件都有相应的结构标准，例如java的class文件，前四个字节代表文件类型，后边两个字节代表大版本号，再后边两个字节代表小版本号。具体哪些字节代表什么意思，值是float类型还是int类型，都有一定的标准，所以需要特定的软件按照标准去读取解析

---

1. 参考https://blog.youkuaiyun.com/alexshi5/article/details/79513018 ↩︎