编码表

一、编码表的由来

计算机只能识别二进制数据，早期由来是电信号。

为了方便应用计算机，让它可以识别各个国家的文字。

就将各个国家的文字用数字来表示，并一一对应，形成一张表。

这就是编码表。

二、常见的编码表

1.ASCII：美国标准信息交换码

             用一个字节的7位可以表示

2.ISO8859-1：拉丁码表，欧洲码表

           用一个字节的8位表示

3.GB2312：中国的中文编码表

4.GBK：中国的中文编码表升级，融合了更多的中文字符号

5.Unicode：国际标准码，融合了多种文字，

               所有文字都用两个字节来表示，java语言使用的就是Unicode。

6.UTF-8：最多用三个字节来表示一个字符。

……

无非就是字符和二进制之间的转换。

public static void change()
{
     String str="你好";
     //编码
     byte[] buf1=str.getBytes() //默认码表为GBK   -60 -29 -70 -61
      byte[] buf2=str.getBytes("utf-8") //   -28 -67 -96 -27 -91 -67

    //解码
     String s1=new String(buf1);
     String S2=new String(buf2,"utf-8");
     
}

 如果编码正确，但是解码不正确，怎么办？

public static void show()
{
    string s="你好";
    //编码
    byte[] buf1=s.getBytes("gbk");
    //解码
    string s1=new String(buf1,"iso-8859-1");
    //打印出s1=????
    System.out.println("s1="+s1);
    //利用错码再编一次，得到正确的字节数组
    byte[] buf2=s1.getBytes("iso-8859-1");
    //利用正确的编码再解一次码，得到正确的字符
    string s2=new String(buf2,"gbk");
   //打印出“s2=你好”
    System.out.println("s2="+s2);
    
}

原理如下图：

其实java开发中的Tomcat就是利用这个原理。Tomcat利用的是iso885901来进行编码和解码的，但是我们习惯于用gbk进行编码和解码，利用上述原理可以正确进行编码和解码。实现原理如下图：

上述方法能成功，是因为iso8859-1是单字节编码，不影响原字节的长度。如果上例换成GBK和UTF-8两种编码表之间的转换，那么就不能实现了。首先因为UTF-8比较特殊，有可能一字节、二字节、三字节，如果找不到这种编码，就会给出-17 -65 -67三字节编码，改变了原编码字节长度，所以解码必须是错的。这一点要注意。

GB2312中两个字节都是是1开头，所以两个字节转整数都是负数，但是GBK中第一个字节是1开头，第2个字节有可能是0开头，如字“琲”。

 在记事本中输入“移动”两个字，默认格式保存后再打开，是正常显示的。但是输入“联通”两个字，默认格式保存后再打开，显示不正常。因为联通两个字正好符合UTF-8规范，记事本认为这是一个UTF-8编码，所以打开文件时，采用UTF-8解码了，这就出现乱码了。

UTF-8规范：

一字节：0*******

二字节：11****** 10******

三字节：111*****  10******  10******