- 本文参考：
https://www.cnblogs.com/gavin-num1/p/5170247.html
https://blog.csdn.net/iefreer/article/details/4836844
http://www.fmddlmyy.cn/text6.html
- 前述
最早接触的编码是ASCII，后来常用到的有GB2312、GBK、UTF-8。没有深入了解过各种编码，糊里糊涂的一直在用UTF-8，每次项目开始启动的时候会要求项目组成员配置IDE为UTF-8，也还好，基本没有碰到什么问题。
推荐链接，配置IDE编码为UTF-8：https://www.aliyun.com/jiaocheng/845302.html?spm=5176.100033.2.28.378d18f7wrpYDv
之前信誓旦旦的说“一个字节是8位，一个汉字是两个字节十六位”，一个字节8位是对的，但是一个汉字可不一定是两个字节。那一个汉字几个字节呢？要看哪一种编码，一般GB系列编码下是两个字节，UTF-8编码下是三个字节。可以写一个简单的main方法测试一下。
public static void main(String[] args) throws UnsupportedEncodingException { // 测试各种编码下汉字“一”占几个字节 System.out.println(new String("一").getBytes("GBK").length); System.out.println(new String("一").getBytes("GB2312").length); System.out.println(new String("一").getBytes("UTF-8").length); System.out.println(new String("一").getBytes("UTF-16").length); System.out.println(new String("一").getBytes("UTF-32").length); }
运行结果：
2 2 3 4 4
可以看到，GBK、GB2312编码下汉字“一”占用2个字节，UTF-8编码下占用3个字节，UTF-16、UTF-32编码下占用4个字节。所以，在谈论一个字符占用几个字节时，不能脱离具体编码。
- 组织
(1) 国际标准化组织（ISO），为各行各业指定标准化规范，其中包括“通用字符集”（Universal Character Set，简称UCS），比较出名的是ISO-8859-1。
(2) 统一码联盟，制定了一种可以对全球几乎所有语言文字进行编码的标准，并且开发了Unicode标准（The Unicode Standard）。
- ASCII
/*
* ASCII（American Standard Code for Information Interchange，美国信息互换标准代码，ASCⅡ）是基于拉丁字母的一套电脑编码系统。
* 它主要用于显示现代英语和其他西欧语言。它是现今最通用的单字节编码系统，并等同于国际标准ISO/IEC 646。 * ASCII第一次以规范标准的型态发表是在1967年，最后一次更新则是在1986年，至今为止共定义了128个字符，其中33个字符无法显示（这是以现今
* 操作系统为依归，但在DOS模式下可显示出一些诸如笑脸、扑克牌花式等8-bit符号），且这33个字符多数都已是陈废的控制字符，控制字符的用途主要是
* 用来操控已经处理过的文字，在33个字符之外的是95个可显示的字符，包含用键盘敲下空白键所产生的空白字符也算1个可显示字符（显示为空白）。
* 引用自: http://ascii.911cha.com/
*/
1个字节8位，位有两种状态0和1，所以1个字节能够有2^8种状态，也就是256种状态。从0000000到11111111。
“上个世纪60年代，美国制定了一套字符编码，对英语字符与二进制位之间的关系，做了统一规定。这被称为ASCII码，一直沿用至今。
ASCII码一共规定了128个字符的编码，比如空格“SPACE”是32（二进制00100000），大写的字母A是65（二进制01000001）。这128个符号（包括32个不能打印出来的控制符号），只占用了一个字节的后面7位，最前面的1位统一规定为0。”
- ISO-8859-1
- ANSI
ANSI是默认的编码方式。对于英文文件是ASCII编码，对于简体中文文件是GB2312编码（只针对Windows简体中文版，如果是繁体中文版会采用Big5码）。
ANSI是在ASCII的基础上的扩展。
- GB2312/GBK
这就是汉字的国标码，专门用来表示汉字，是双字节编码，而英文字母和ISO-8859-1一致（兼容ISO-8859-1编码）。其中GBK编码能够用来同时表示繁体字和简体字，而GB2312只能表示简体字，GBK是兼容GB2312编码的。
- Big5
又称为大五码或五大码，是使用繁体中文（正体中文）社区中最常用的电脑汉字字符集标准，共收录13,060个汉字。主要用于台湾。
- UCS/Unicode
UCS是Unicode的简称，根据维基百科全书(http://zh.wikipedia.org/wiki/)的记载：历史上存在两个试图独立设计Unicode的组织，即国际标准化组织（ISO）和统一码联盟。ISO开发了ISO 10646项目，Unicode协会开发了Unicode项目。
UCS只是规定如何编码，并没有规定如何传输、保存这个编码。例如“汉”字的UCS编码是6C49，我可以用4个ascii数字来传输、保存这个编码；也可以用utf-8编码:3个连续的字节E6 B1 89来表示它。关键在于通信双方都要认可。UTF-8、UTF-7、UTF-16都是被广泛接受的方案。UTF-8的一个特别的好处是它与ISO-8859-1完全兼容。UTF是“UCS Transformation Format”的缩写。
- UTF-8
UTF-8就是以8位为单元对UCS进行编码。从UCS-2到UTF-8的编码方式如下：
| UCS-2编码(16进制) | UTF-8 字节流(二进制) |
| 0000 - 007F | 0xxxxxxx |
| 0080 - 07FF | 110xxxxx 10xxxxxx |
| 0800 - FFFF | 1110xxxx 10xxxxxx 10xxxxxx |
例如“汉”字的Unicode编码是6C49。6C49在0800-FFFF之间，所以肯定要用3字节模板了：1110xxxx 10xxxxxx 10xxxxxx。将6C49写成二进制是：0110 110001 001001， 用这个比特流依次代替模板中的x，得到：11100110 10110001 10001001，即E6 B1 89。
读者可以用记事本测试一下我们的编码是否正确。需要注意，UltraEdit在打开utf-8编码的文本文件时会自动转换为UTF-16，可能产生混淆。你可以在设置中关掉这个选项。更好的工具是Hex Workshop。
UTF-16以16位为单元对UCS进行编码。对于小于0x10000的UCS码，UTF-16编码就等于UCS码对应的16位无符号整数。对于不小于0x10000的UCS码，定义了一个算法。不过由于实际使用的UCS2，或者UCS4的BMP必然小于0x10000，所以就目前而言，可以认为UTF-16和UCS-2基本相同。但UCS-2只是一个编码方案，UTF-16却要用于实际的传输，所以就不得不考虑字节序的问题。
-
UTF的字节序和BOM
UTF-8以字节为编码单元，没有字节序的问题。UTF-16以两个字节为编码单元，在解释一个UTF-16文本前，首先要弄清楚每个编码单元的字节序。例如“奎”的Unicode编码是594E，“乙”的Unicode编码是4E59。如果我们收到UTF-16字节流“594E”，那么这是“奎”还是“乙”？
Unicode规范中推荐的标记字节顺序的方法是BOM。BOM不是“Bill Of Material”的BOM表，而是Byte Order Mark。BOM是一个有点小聪明的想法：
在UCS编码中有一个叫做"ZERO WIDTH NO-BREAK SPACE"的字符，它的编码是FEFF。而FFFE在UCS中是不存在的字符，所以不应该出现在实际传输中。UCS规范建议我们在传输字节流前，先传输字符"ZERO WIDTH NO-BREAK SPACE"。
这样如果接收者收到FEFF，就表明这个字节流是Big-Endian的；如果收到FFFE，就表明这个字节流是Little-Endian的。因此字符"ZERO WIDTH NO-BREAK SPACE"又被称作BOM。
UTF-8不需要BOM来表明字节顺序，但可以用BOM来表明编码方式。字符"ZERO WIDTH NO-BREAK SPACE"的UTF-8编码是EF BB BF（读者可以用我们前面介绍的编码方法验证一下）。所以如果接收者收到以EF BB BF开头的字节流，就知道这是UTF-8编码了。
Windows就是使用BOM来标记文本文件的编码方式的。