嗨客网搜索
Java开发环境搭建
Java方法
Java字符编码和字符集

Java字符编码和字符集教程

在计算机里面存储的信息都是用二进制数表示的,我们在显示器上面看到的数字、英文、标点符号和图片等等都是通过二进制数转换之后的结果。

按照某种规则,将字符存贮到计算机中,我们称为编码。我们将存储在计算机里面的二进制数按照某种规则解析显示出来,我们称为解码。

字符集又叫编码表,是一个系统支持的所有字符的集合,包括各国家的文字、标点符号、图形符号、数字等等。

Java字符编码详解

在计算机里面,任何的文字都是以指定的编码方式存在的,计算机要准确的存储和识别各种字符集符号,都需要进行字符的编码。Java 语言中最常见的编码是ASCIIISO8859-1GBK/GB2312unicode

ASCII字符集

  • ASCII(American Standard Code for Information Interchange,美国信息交换标准代码)是基于拉丁字母的一套电脑编码系统,用于显示现代英语,主要包括控制字符(回车键、退格、换行键等)和可显示字符(英文大小写字符、阿拉伯数字和西文符号)。
  • 基本的ASCII字符集,使用7位(bits)表示一个字符,共 128 字符。ASCII 的扩展字符集使用 8 位(bits)表示一个字符,共 256 字符,方便支持欧洲常用字符。

ISO-8859-1字符集

  • 拉丁码表,别名 Latin-1,用于显示欧洲使用的语言,包括荷兰、丹麦、德语、意大利语、西班牙语等。
  • ISO-5559-1 使用单字节编码,兼容 ASCII 编码。

GBK/GB2312字符集

  • GB就是国标的意思,是为了显示中文而设计的一套字符集。
  • GB2312:简体中文码表。一个小于 127 的字符的意义与原来相同。但两个大于 127 的字符连在一起时,就表示一个汉字,这样大约可以组合了包含 7000 多个简体汉字,此外数学符号、罗马希腊的字母、日文的假名们都编进去了,连在 ASCII 里本来就有的数字、标点、字母都统统重新编了两个字节长的编码,这就是常说的"全角"字符,而原来在 127 号以下的那些就叫"半角"字符了。
  • GBK:最常用的中文码表。是在 GB2312 标准基础上的扩展规范,使用了双字节编码方案,共收录了 21003 个汉字,完全兼容 GB2312 标准,同时支持繁体汉字以及日韩汉字等。

unicode字符集

  • Unicode 编码系统为表达任意语言的任意字符而设计,是业界的一种标准,也称为统一码、标准国
    码。
  • 它最多使用4个字节的数字来表达每个字母、符号,或者文字。有三种编码方案,UTF-8、UTF-16和 UTF-32。最为常用的UTF-8编码。
  • UTF-8编码,可以用来表示Unicode标准中任何字符,它是电子邮件、网页及其他存储或传送文字的应用中,优先采用的编码。互联网工程工作小组(IETF)要求所有互联网协议都必须支持 UTF-8编码。所以,我们开发 Web 应用,也要使用 UTF-8 编码。它使用一至四个字节为每个字符编码,编码规则:
    1. 128个 US-ASCII 字符,只需一个字节编码。
    2. 拉丁文等字符,需要二个字节编码。
    3. 大部分常用字(含中文),使用三个字节编码。
    4. 其他极少使用的Unicode辅助字符,使用四字节编码。

Java字符编码和字符集总结

字符编码就是一套自然语言的字符与二进制数之间的对应规则。编码将自然语言转换成计算机二进制语言,解码是将计算机二进制语言转换成自然语言。

在计算机里面存储和读取的时候,编码必须要一致,不然会容易产生乱码的情况。

嗨客网顶部