关于计算机编码

【百度百科】

    字符编码（英语：Character encoding）也称字集码，是把字符集中的字符编码为指定集合中某一对象（例如：比特模式、自然数序列、8位组或者电脉冲），以便文本在计算机中存储和通过通信网络的传递。

    说明白点就是如何有效的将信息通过一种大家都能识别的方式进行传输和阅读，就好比两个人同时约定用英文、德文还是中文进行通信。而对于计算机而言，无论什么样的编码格式，在底层都是以01（或者高电平、低电平）的方式进行存储和识别。沿着计算机的发展，我们先来聊聊编码的演化过程。

【ASCII码】

在计算机发展的早期，人们发明了ASCII码编码方式，当然很大程度上是由于洋人们的信息都是由abcd26个字母、阿拉伯数字和一些符号组成，所以较为简单的使用了ASCII码编码。所谓的ASCII码就是以7位bit位存储一个字符，加一位扩展位，总共8位组成一个Byte字节。如：

Bin(二进制)	Oct(八进制)	Dec(十进制)	Hex(十六进制)	缩写/字符	解释
0000 0000	0	0	00	NUL(null)	空字符
0000 0001	1	1	01	SOH(start of headline)	标题开始
0000 0010	2	2	02	STX (start of text)	正文开始
0000 0011	3	3	03	ETX (end of text)	正文结束
0000 0100	4	4	04	EOT (end of transmission)	传输结束
0000 0101	5	5	05	ENQ (enquiry)	请求
0000 0110	6	6	06	ACK (acknowledge)	收到通知
0000 0111	7	7	07	BEL (bell)	响铃
0000 1000	10	8	08	BS (backspace)	退格
0000 1001	11	9	09	HT (horizontal tab)	水平制表符
0000 1010	12	10	0A	LF (NL line feed, new line)	换行键
0000 1011	13	11	0B	VT (vertical tab)	垂直制表符
0000 1100	14	12	0C	FF (NP form feed, new page)	换页键
0000 1101	15	13	0D	CR (carriage return)	回车键
0000 1110	16	14	0E	SO (shift out)	不用切换
0000 1111	17	15	0F	SI (shift in)	启用切换
0001 0000	20	16	10	DLE (data link escape)	数据链路转义
0001 0001	21	17	11	DC1 (device control 1)	设备控制1
0001 0010	22	18	12	DC2 (device control 2)	设备控制2
0001 0011	23	19	13	DC3 (device control 3)	设备控制3
0001 0100	24	20	14	DC4 (device control 4)	设备控制4
0001 0101	25	21	15	NAK (negative acknowledge)	拒绝接收
0001 0110	26	22	16	SYN (synchronous idle)	同步空闲
0001 0111	27	23	17	ETB (end of trans. block)	结束传输块
0001 1000	30	24	18	CAN (cancel)	取消
0001 1001	31	25	19	EM (end of medium)	媒介结束
0001 1010	32	26	1A	SUB (substitute)	代替
0001 1011	33	27	1B	ESC (escape)	换码(溢出)
0001 1100	34	28	1C	FS (file separator)	文件分隔符
0001 1101	35	29	1D	GS (group separator)	分组符
0001 1110	36	30	1E	RS (record separator)	记录分隔符
0001 1111	37	31	1F	US (unit separator)	单元分隔符
0010 0000	40	32	20	(space)	空格
0010 0001	41	33	21	!	叹号
0010 0010	42	34	22	"	双引号
0010 0011	43	35	23	#	井号
0010 0100	44	36	24	$	美元符
0010 0101	45	37	25	%	百分号
0010 0110	46	38	26	&	和号
0010 0111	47	39	27	'	闭单引号
0010 1000	50	40	28	(	开括号
0010 1001	51	41	29	)	闭括号
0010 1010	52	42	2A	*	星号
0010 1011	53	43	2B	+	加号
0010 1100	54	44	2C	,	逗号
0010 1101	55	45	2D	-	减号/破折号
0010 1110	56	46	2E	.	句号
00101111	57	47	2F	/	斜杠
00110000	60	48	30	0	数字0
00110001	61	49	31	1	数字1
00110010	62	50	32	2	数字2

当时人们很快发现它的局限性，毕竟世界那么大，语言那么丰富，这最多的256个字符远不能表达人们的想法。于是乎，unicode、utf-8、gb2312、gbk、base64等等多种编码格式孕育而生。由于作者能力精力有限，只介绍几种主流的编码格式。

【unicode】

unicode又被称位统一码、万国码，原因就是因为它能收录全世界所有的语言文字符号。其原理就是将原理8位的ascii码扩张为16位，即2个字节，这样就能收录中文、日文、韩文、阿拉伯文等等所有文字，一统天下！

【java 编码】

public static void main(String[] args)  {
    String s = "金";
    char[] c = new char[1];
    c = s.toCharArray();
    byte[] b;
    try {
        //获取系统当前的编码格式
        System.out.println(System.getProperty("sun.jnu.encoding"));;

        //GBK 编码
        b = s.getBytes("gbk");
        System.out.print("gbk:");
        for (byte i : b)
            System.out.print(Integer.toHexString(Byte.valueOf(i)) + "  ");

        //UTF-8 编码
        b = s.getBytes("utf-8");
        System.out.println();
        System.out.print("utf-8:");
        for (byte i : b)
            System.out.print(Integer.toHexString(Byte.valueOf(i)) + "  ");

        //unicode编码
        b = s.getBytes("unicode");
        System.out.println();
        System.out.print("unicode:");
        for (byte i : b)
            System.out.print(Integer.toHexString(Byte.valueOf(i))+ " ");

        //默认为unicode
        System.out.println();
        for (int i = 0; i < c.length; i++) {
            System.out.println(c[i]+":"+Integer.toHexString(c[i]));
        }
    } catch (UnsupportedEncodingException e) {
        e.printStackTrace();
    }
}

输出：GBK

gbk:ffffffbd  fffffff0  

utf-8:ffffffe9  ffffff87  ffffff91  

unicode:fffffffe ffffffff ffffff91 ffffffd1 

金:91d1