理解文件的编码

 

• UTF-16BE：汉字占 2 个字节， 字母占 2 个字节。
• UTF-8：汉字占 3 个字节， 字母占 1 个字节。
• GBK：汉字占 2 个字节，字母占 1 一个字节。Java项目默认编码为GBK。
• ANSI：中文系统下ansi编码代表GBK编码。

　　Java是双字节编码，一个字符占2个字节。所以Java里的一个字符可以放一个汉字，默认的Java项目编码为GBK，一个汉字2个字节，正好可以放进去，不会出现乱码。

　　当你的 字节序列 为某种编码时，这个时候如果想把字节序列编变成字符串，也要用到这种编码方式，否则会出现乱码。

　　在程序中，将 字节序列 变成 字符串，如果不给出字节序列的编码方式，则会采用系统默认的编码方式GBK，例如，bytes是一个UTF-8的字节序列数组，如果要将其转换成这个字节序列所表示的字符串，则必须给出这种编码方式：

　　　　String str = new String(bytes,”utf-8”);

　　如果不给出则会按照GBK编码方式转换成字符串，就会出现乱码。

　　文本文件其实是一种字节序列。

　　在文本文件可以查看任意编码的文字信息而不乱码。

　　在中文机器上直接创建文本文件，那么文本文件默认以ansi编码（也就是GBK）来保存文字信息。

　　在Eclipse里面，项目设置的什么编码形式，它就只认识什么编码。如果从一个utf-8的项目里拷贝一个文本文件到GBK的项目里，再打开则会出现乱码。但是如果从utf-8的文本文件里直接拷贝文字内容到GBK项目的文本文件里，不会出现乱码，系统会自动地做编码转换。