第2章 理解数据背后的二进制
2.1 二进制整数的表示与位运算
2.2 小数的二进制表示
2.3 字符编码与乱码
字符的编码方式有两种，Unicode编码和非Unicode编码。
非Unicode编码
非Unicode编码按时间先后顺序如下。
ASCII码是基础，使用一个字节表示，最高位设为0，其他7为表示128个字符，被其他编码兼容。
西欧主要使用Windows-1252，使用一个字节，增加了额外128个字符。
中国大陆的三个主要编码数GB2312，GBK，GB18030。三个编码有时间先后关系，表示的字符数递增，后面的编码兼容前面的编码。GB2312和GBK使用两个字节表示，GB180303使用2个或4个字节表示。
港澳台主要使用Big5。
除了ASCII码和中国大陆的三个编码之外，编码与编码之间不兼容，强行解析则会出现乱码的问题。
Unicode编码
Unicode编码是为了将世界上所有的字符统一编码，以解决由于编码导致乱码的问题。Unicdoe为世界上所有的字符都分配了一个唯一的数字编号，这个编号的范围从0x000000~0x10FFFF，常用字符在0x0000~0xFFFF之间。每个字符都有一个Unicode编号，这个编号一般写成16进制，前面加上U+。大部分中文的编号范围是U+4E00~U+9FFFF。
Unicode的编码方案主要有三种，UTF-32，UTF-16和UTF-8。编码存在字节序的问题，大端方式使用BE表示，小端方式使用LE表示。
UTF-32使用4个字节来表示一个字符。
UTF-16和UTF-8使用变长字节来表示字符。
乱码
乱码的主要有两种。
- 解析错误。如Windows-1252编码的文件使用了GB18030来解析。这种方式并没有改变数据的二进制形式，而是改变了解析数据的方式，换回正确的编码即可正常解析。
- 在错误解析的基础上进行了编码转换。这种方式由于进行了编码转换而改变了数据的二进制形式，而最终会出现无论怎么切换编码方式都无法正常解析。
2.4 char的真正含义
在Java内部进行字符处理时，采用的都是Unicode，具体编码格式是UTF-16BE。
char本是上使用一个固定占用两个字节的无符号正整数，这个正整数对应于Unicode编码，用于表示那个Unicode编号对应的字符。由于固定占用两个字节，char只能表示Unicode编号在65536范围内的字符，而不能表示超出范围的字符，超出范围的字符使用两个char来表示。