字符之编码

字符之编码

人类文明的字符在计算机中由二进制代码来表示，呈一一对应关系。
这种映射关系的集合被称之为 【字典】
字符可以在不同的字典下有不同的对应二进制串。
称为 [编码格式】
有
起源：ASCII 码
含中文的：GBK和GB2312
万国码：unicode
···
因为iso机构只协定了unicode字典，并没有设计其在计算机系统中的实现方式
因此出现了
UTF-8 占用1~4个字节
UTF-16 占用2个字节
UTF-32 占用4个字节
三种实现unicode的编码格式。

---

在java中，
String的value从jvm9开始由byte[]实现，在此前，由char[]实现。
java的默认字符集为utf-8

System.out.println(Charset.defaultCharset());

而jvm的内部编码是utf-16

---

用java（jdk9及以上版本）可验证：
每个字符长度是不同的，java的String中，中文一般占3个字节(unicode)，单词和数字占了一个字节（ascii）

	public static void print(String s) {
		System.out.println("字符串："+s);
		byte[] B = s.getBytes();
		System.out.println("所占字节数："+B.length);
		System.out.println("字节码:");
		for (byte aByte : s.getBytes()) {
			System.out.println(aByte);
		}
		System.out.println("----------------------------------");
	}

---

String的value为啥由jdk8的char[]改为了byte[]呢，为了节省空间，如果用char[]则一个字母or数字要用一个字符，占用两个字节，一个汉字要用两个字符，占用四个字节；改用byte[]后，一个字母or数字则仅用一个字节，一个汉字仅用3个字节。

至于utf-8是如何巧妙实现可变长度的，可以有兴趣了解下。

外链
链接: https://www.liaoxuefeng.com/wiki/1016959663602400/1017075323632896.

我们总是在开发中看到吨吨吨、烫烫烫、锟斤拷

		byte[] b_gbk = "测试账户".getBytes("GBK");   //b_gbk的长度为2
		byte[] b_utf8 = "测试账户".getBytes("UTF-8");   //b_utf8的长度为3
		byte[] b_iso88591 = "测试账户".getBytes("ISO8859-1");//   b_iso88591的长度为1
		byte[] b_unicode = "测试账户".getBytes("unicode");  //b_unicode长度为4
		
		
		String s_gbk = new String(b_utf8,"GBK");   
		String s_utf8 = new String(b_utf8,"UTF-8");   
		String s_iso88591 = new String(b_utf8,"ISO8859-1");   
		String s_unicode = new String(b_utf8, "unicode"); 
		
		System.out.println(s_gbk);
		System.out.println(s_utf8);
		System.out.println(s_iso88591);
		System.out.println(s_unicode);

就是把二进制代码用了不符合的编码格式来解译。
譬如英文 jack slow f**k
通过空气的震动传播声音，在中文字典里被翻译成了 杰克斯洛伐克。

20241128加更
找到了更加优秀的博文：
https://www.ruanyifeng.com/blog/2007/10/ascii_unicode_and_utf-8.html