IO_Part3_字符编码

字符编码：

什么是字符编码：

如同之前所说的，计算机中都是以二进制的方式保存数据的

每个字节是由8个二进制数据组成的，因此每个字节可以表示的数字范围为0~255

每个字符是由2个字节组成的（也可能是多个，下面会讲到），因此每个字符可以表示的数字范围就大的多

而所谓字符编码，简单理解的话，指的就是将一个字符表示的数字，按照一定的编码规则来转化为文字

因此，字符编码实际上就是将数字如何转化成文字的规则

在中国大陆的本地化字符编码通常为GB2312和GBK

Unicode编码：

Unicode编码是由ISO（国际标准化组织）发布的，将全世界上所有符号和文字进行的统一的编码

如果全世界所有本地化编码都为Unicode编码，那么任何一个字符在全世界范围内代表的符号或文字都是一样的

Unicode编码中，每个字符都固定占有两个字节的大小，对于原本ASCII码的数据来说，Unicode也向前面统一加了一个数字为0的字节

Unicode编码的范围是0~65535，所有的符号对应的数字都不可以超过这个编码的范围

UTF-8编码：

UTF-8编码中，原本ASCII码的数据仍然只占有1个字节，而对于其他国家的符号和文字对应的数据，则分别占用2~3个字节不等

UTF-8编码的文件中，通常使用EF BB BF作为文件开头的3个字节数据

UTF-8编码的优势：

1、由于在UTF-8编码中，每个字符的开始位置的字节有着严格的规则的，因此应用程序可以很方便地检测在数据传输过程中是否发生了错误

2、由于在UTF-8编码中，每个英文字符只占用1个字节，因此可以大大减少需要传输的数据量

3、UTF-8编码完全兼容ASCII码

UTF-8编码的缺点：

由于UTF-8编码对中、日、韩文的编码通常使用3个字节来表示，因此可能会增加需要传输的数据量

*由于UTF-8的优点远远大于缺点，因此UTF-8编码为当今文档编写以及网络传输时最常使用的编码方式

*UTF-8的校验原理：

 单字节：该字节必须以0开头，即字符的格式必须为0xxxxxxx

 双字节：第一个字节必须以110开头，第二个字节必须以10开头，即字符的格式必须为110xxxxx 10xxxxxx

 三字节：第一个字节必须以110开头，后两个字节必须均以10开头，即字符的格式必须为110xxxxx 10xxxxxx 10xxxxxx

UTF-16编码：

UTF-16编码中增加了Unicode没有包括的那些字符的表示方式（例如中国少数民族的语言及阿拉伯语等）

UTF-16编码完全兼容Unicode编码和UTF-8编码

UTF-16编码中，比起Unicode所扩充的那些字符，均占用4个字节

UTF-16编码文件中，通常使用文件头来表示该文件中字符的存储方式，0xFE 0xFF表示Big Endian，0xFF 0xFE表示Little Endian

*Intel内核存储多字节数据时，是低位字节保存在前，高位字节保存在后，称之为Little Endian

 其他内核存储多字节数据时，通常是高位字节保存在前，低位字节保存在后，称之为Big Endian

字符编码的操作：

查看中文字符的GB2312码、UTF-8码和Unicode码

使用UltraEdit新建一个文本文档，选择字符编码格式，然后输入中文字符，最后按下Ctrl+H，即可以查看中文字符对应的编码

*打开未指定字符编码的文件时文件选择的默认编码：

 首先系统会检测文件中的所有字符，看是否符合UTF-8编码的格式，若符合，则以UTF-8编码格式来显示，否则以本地编码来显示

打印中文字符的Unidcode码

int code = (int)chineseStr.charAt(index);

String unicode = Integer.toHexString(code);

打印中文字符的GB2312码

byte [] chineseBuf = chineseStr.getBytes("GB2312");    //将该字符串按照指定的编码来进行编码，JDK中必须支持该字符编码

String gb2312 = Integer.toHexString(chineseBuf[index]);

*在调用System.out.write()方法向缓冲区存入一个字节时，系统不会将缓冲区中的数据提交

 在调用System.out.println()方法时，系统会自动调用flush方法将缓冲区中的数据提交到屏幕上

*如何取得当前JAVA虚拟机的默认字符编码信息

 调用System.getProperties.list(System.out);可以将当前JAVA虚拟机的环境变量全部输出到屏幕上

 在虚拟机的环境变量中找到file.encoding属性所对应的值，就是当前JAVA虚拟机的默认字符编码

 如果想要修改该环境变量，则直接调用System.setProperty("fild.encoding","ISO8859-1");即可