简单聊一下编码

编码问题在java编程的时候经常能够碰到，因为java是跨平台的语言，在不同平台的编码之间切换较多。那么为什么要编码呢？有两个原因：

• 在计算机中存储信息的最小单元是1个字节，即8个bit，所以能表示的字符范围是0-255个。
• 人类要表示的符号太多，无法用1个字节来完全表示
  要解决这个矛盾必须要有一个新的数据接口char, 而从char到byte必须编码。

我们编写代码的过程中一般经常接触到三种编码：

• ASCII码：学过计算机的人都知道ASCII码，总共128个，用一个字节的低7位表示，0-31是控制字符如换行、回车、删除等，32-126是打印字符，可以通过键盘输入并且能够显示出来。
• GBK：中文的常见编码，总共有23940个码位，它能表示21003个汉字，和GB2312兼容。
• UTF-8:这个应该是最常见的编码，该编码每个编码区域有不同的字码长度。不同类型的字符可以由1-6个字节组成。编码规则如下：
  • 如果是一个字节，最高位（第8位）为0，则表示这是一个ASCII字符，可见所有的ASCII编码已经是UTF-8了。
  • 如果是1个字节，以11开头，则连续的1的个数暗示这个字符的字节数，例如：110xxxxx代表他是双字节UTF-8字符的首字节。

  • 如果是1个字节，以10开始，表示他不是首字节，则需要向前查找才能找到当前字符的首字节。
    UTF-8编码如下图：

    
    UTF-8.png

那我们经常遇到的乱码是什么情况呢？可以看下图：

image.png

系统中存储的事GBK编码的byte数据，对其使用ISO-8891-1解码规范解码就会出现一串看不懂的字符串，所以当编码和解码的规范不一致的时候就会出现这种乱码的情况。