java中经常会用到编码转换，但是经常会搞混，看了几个大神的解释，加入自己的理解，花了点时间整理下，供查阅。

1、常用编码

目前比较常用的编码有ASCII码，ISO-8859-1，GB2312，GBK，Unicode等
1）ASCII码：仅用计算机的最小存储单位一个字节来标识，即8位，ascii码规定了一个英文字符和二进制位的对应关系，一共规定了128个字符，其中0-31是不能打印的字符，ascii码实际仅占用了后7个二进制位，最高位始终为0；
2）ISO-8859-1
IOS组织在ASCII基础上扩展，低7位仍然是ascii码，利用最高为来表示其余字符，IOS标准有IOS-8859-1 ~ IOS-8859-15,其中1涵盖了大多数西欧字符，应用最广泛，但是还是做多表示256个字符
3）GB2312
GB2312由两个字节组成，涉及到几个概念：
区位码：GB2312将汉字编入94*94的二位表中，行称为区，列称为位，比如一个字在行54，列43 那么它的区位码就是5443
国际码：将区和位上的数字分别加上32（16进制表示就是20H)，形成国际码，加上20H的原因是GB2312覆盖了ascii的字母和字符，仅保留了32个不可打印的字符，所以每个区字节和位字节都需要偏移32（就是从33开始）.
举个例子：万的区位码是45区82位，转为16进制的区位码是2D52H,加上2020H等于4D72H
机内码:存储中，每个字节无法区分是ascii码还是gb2312,所以微软规定了如果使用gb2312，每个字节的最高为是1，与ascii码区别，最高位设置为1，那么就是将国际码的每个字节加上128（2的7次幂，转为16进制就是每个字节+80H),得到了
机内码=国际码+8080H=区位码+A0A0H
所以万的机内码=2D52H+A0A0H=4D72H+8080H=CDF2H
我们在电脑文本中看到的已经转换的gb2312编码实际上是机内码

4)GBK
是对GB2312的扩展，兼容GB2312，没做过多研究
5)Unicode
unicode 只是符号集，规定了符号的二进制代码，并没有规定如何存储。Unicode有17个平面，每个平面有2^16=65536个Code Point，总共2^16*17=1114112个，所以最后的码位是10FFFF。这个没有详细研究

2. utf-8

unicode的实现方式之一是utf-8，utf-8在实际开发过程中用的最多，所以做了比较详细的记录。
概念：utf-8是一种变长的编码方式，使用1-4个字节标识不同的符号
编码规则：
1）对于单字节的符号，第一位为0，后面7位为unicode码，因此对于英文字母，utf-8编码与ascii码一样
2）对n(n>1)个字节的符号，第一个字节前n位是1，第n+1位为0，后面子节点前来两位一律为10，剩余所有位为unicode码
从编码规则来看，如果第一个字节的第一位是0，那么这个字符就占一个字节，如果第一个字节前几位是1，那么就占几个字节
看下utf-8存储字节和unicode的对应范围
1个字节对应的unicode范围是0000 0000-0000 007F
2个字节对应unicode的范围是0000 0080-0000 07FF
3个字节对应unicode的范围是0000 0800-0000 FFFF
4个字节对应unicode的范围是0001 0000-0010 FFFF
这里unicode都用的4个字节来表示，得详细解释下，先说一个字节
1个字节的二进制范围是0000 0000-0111 1111,转为16进制是00-7F,所以4个字节表示unicode就是0000 0000-0000 007F
2个字节，根据编码规则，第一个字节的前三位必须是110，第二个字节的前两位必须是10，那么第一个字节有5位，第二个字节有6位来存储unicode，即开始范围是1100 0010 1000 0000，开始我比较疑惑为什不从1100 0001 1000 0000开始，随后发现，unicode的0 000100 0000实际上在一个字节的表示范围内。结束范围比较好理解，是11011111 10111111，表示unicode的实际只有0111 1111 1111，即7FF，所以2个字节对应的unicode范围是0000 0080-0000 07FF。
3个字节，2个字节实际表示unicode的位数是11，那么三个字节起始表示unicode的是应该是12位，第一位是1 ，即1000 0000 0000(800H)，实际存储的字节则为11100000 10100000 10000000，3个字节实际表示unicode的位数是16位（高4+中6+低6），所以3个字节的范围是FFFFH
4个字节起始unicode应该是17位，最高位为1，则起始为10000H，即11110000 10100000 10000000 10000000,4个字节实际表示unicode的有21位，所以最大为1FFFFF，但是unicode的最后码位是10FFFF，所以4个字节表示unicode的范围是0001 0000-0010 FFFF

看图还是更清楚些

image.png

参考网站：
https://blog.csdn.net/zrf2112/article/details/50718684
http://www.ruanyifeng.com/blog/2007/10/ascii_unicode_and_utf-8.html