八、IO

文章目录

• 八、IO
• • 03_字符集（Character Set）
  • 04_字符编码（Character Encoding）
  • • 字符编码比较
    • 乱码

03_字符集（Character Set）

在计算机里面

• 一个中文汉字是一个字符
• 一个英文字母是一个字符
• 一个阿拉伯数字是一个字符
• 一个标点符号是一个字符
• …

字符集（简称 Charset）：由字符组成的集合字符集（Character Set）

常见的字符集有：

• ASCII：128个字符（包括了英文字母大小写、阿拉伯数字等）
• ISO-8859-1：支持欧洲的部分语言文字，在有些环境也叫 Latin-1
• GB2312：支持中文（包括了 6763 个汉字）
• ASCII：128个字符（包括了英文字母大小写、阿拉伯数字等）
• ISO-8859-1：支持欧洲的部分语言文字，在有些环境也叫 Latin-1
• GB2312：支持中文（包括了 6763 个汉字）

ISO-8859-1、GB2312、BIG5、GBK、GB18030、Unicode 中都已经包括了 ASCII 中的所有字符

04_字符编码（Character Encoding）

每个字符集都有对应的字符编码，它决定了每个字符如何转成二进制存储在计算机中。

• 一个字节 = 8位二进制，即 1Byte = 8bit
• 关于一个字符等于多少字节，是不确定的，主要看编码方式。

ASCII：单字节编码，编码范围是 0x00 ~ 0x7F （0 ~ 127）

ISO-8859-1：单字节编码，编码范围是 0x00 ~ 0xFF

• 0x00 ~ 0x7F 和 ASCII 一致，0x80 ~ 0x9F 是控制字符，0xA0 ~ 0xFF 是文字符号

GB2312、BIG5、GBK：采用双字节表示一个汉字

GB18030：采用单字节、双字节、四字节表示一个字符

Unicode：有 Unicode、UTF-8、UTF-16、UTF-32 等编码，最常用的是 UTF-8 编码

• UTF-8 采用单字节、双字节、三字节、四字节表示一个字符

字符编码比较

String str = "MJ码哥";str.getBytes("ASCII");   // [ 77, 74, 63, 63 ]str.getBytes("ISO-8859-1");     // [ 77, 74, 63, 63 ]str.getBytes("GB2312");  // [ 77, 74, -62, -21, -72, -25 ]str.getBytes("BIG5");    // [ 77, 74, 63, -83, -12 ]str.getBytes("GBK");     // [ 77, 74, -62, -21, -72, -25 ]str.getBytes("GB18030"); // [ 77, 74, -62, -21, -72, -25 ]str.getBytes("UTF-8");   // [ 77, 74, -25, -96, -127, -27, -109, -91 ]

如果 String.getBytes 方法没有传参，就使用 JVM 的默认字符编码，一般跟随 main 方法所在文件的字符编码。

可以通过 Charset.defaultCharset 方法获取 JVM 的默认字符编码

• Charset 类的全名是 java.nio.charset.Charset

乱码

计算机中真正的代码其实是二进制，所以转到它是编码，它转别的就是解码

• 【字符串】转为【二进制】的过程：编码（Encode）
• 【二进制】转为【字符串】的过程：解码（Decode）

编码、解码时使用的字符编码必须要保持一致，否则会造成乱码

String str1 = "Java不难";// UTF-8编码为二进制: [74, 97, 118, 97, -28, -72, -115, -23, -102, -66]byte[] bytes = str1.getBytes("UTF-8");// GB18030解码: Java涓嶉毦String str2 = new String(bytes, "GB18030");// UTF-8解码: Java不难String str3 = new String(bytes, "UTF-8");

QQ头像吧