一、字符集
规定了某个文字对应的二进制数字存放方式（编码）和某串二进制数值代表了哪个文字（解码）的转换关系。对应到真实生活中，字符集就是对某种语言的称呼。例如：英语，汉语，日语。
Unicode是为了统一ASCII（仅英文字母）GBK（中文）等而发明的，就是要把地球上所有的语言的符号，都用统一的字符集来表示，一个编码真正做到了唯一。
不过，Unicode只是一个符号集，只规定了符号的 二进制代码，却没有规定这个二进制代码应该如何存储
二、字符编码
对于一个字符集来说要正确编码转码一个字符需要三个关键元素：字库表（character
repertoire）、编码字符集（coded character
set）、字符编码（character
encoding form）。
- 字库表：所有的单词,（为了能够涵盖世界上所有的字符）
- 编码字符集：单词在字库的哪里，索引id
- 字符编码：把序号转换成另外一种存储格式，（真正用的上的字符相对整个字库表来说比例非常低），是字符集的实现方式，因为计算机只能看懂bytes。我们需要一种用bytes来表示Unicode的方法这样才可以存储和传播他们。
UTF-8就是字符编码，变长。UTF-8是Unicode的实现方式之一
i) 好处一是节省流量。
ii) 好处二是ASCII编码实际上可以被看成是UTF-8编码的一部分，所以，大量只支持ASCII编码的历史遗留软件可以在UTF-8编码下继续工作。
iii) UTF-8编码能表示的字符数量远超GBK。
三、 Window笔记本
Windows 记事本里面的4个选项：
- ANSI,俗称“默认编码”，不是确定的一种编码，是Windows提出来的一种解决方案，会根据不同的语言版本选择。对于英文文件，是ASCII编码，对于简体中文是GB2312，繁体中文是Big5，日文是JIS
- Unicode, 这个选项用的是little endian
- Unicode big endian
- UTF-8
四、JAVA的内部编码
既然计算机在内存中统一使用的是unicode编码，JAVA自然也是如此了。
Java 内部处理字符使用的字序方式是 Unicode，这是一种通行全球的编码方式。 Unicode 另有一种储存或传输的格式，叫做 UTF-8。UTF-8 的格式在编码英文时，只需要 8 位，但是中文则是 24 位，所以中文字出现比例高的地方还是使用 UTF-16 比较节省空间。Java 的 Class File（也就是 bytecode）中有一字段叫做常数区（Constant Pool），一律使用 UTF-8 为字符编码。
五、 JAVA 的I/O 编码
虽然 Java 内部完整地使用 Unicode，但是你所使用的操作系统可不见得。
Java 现行的 IO 一律使用 Stream 的方式，相关的类别都放在 java.io 中。
输出 binary 的使用 OutputStream 的子类别，输入 binary 的资料使用 InputStream 的子类别；
输出文字的使用 Writer 的子类别，输入文字的资料使用 Reader 的子类别。
-
InputStream/OutputStream 与 Reader/Writer的区别
InputStream/OutputStream 会原封不动地传送资料，但是Reader/Writer 会将资料当作文字对待，所以 Reader/Writer 在「必要时」会把（文字）资料转码（会根据操作系统的默认编码方式进行转码）。 -
什么时候转码？：
Java 的 Stream（包括 Reader 和 Writer）是可以互相串接的。当 Reader 的资料来源是另一个 Reader 时，不转码，当 Reader 的资料来源是一个 InputStream 时，就会转码。当 Writer 的资料去处是另一个 Writer 时，不转码，当 Writer 的资料去处是一个 OutputStream 时，就会转码。 -
由什么码转成什么码？
这是可以指定的。
因为转码只发生在 Reader/InputStream 的交界处与 Writer/OutputStream 的交界处，所以正是由 InputStreamReader 和 OutputStreamWriter 此二类别负责，下面两个 constructor 的第二个参数，正是用来指定转码的方式。
new InputStreamReader(new FileInputStream(inputFilePath), encoding)
如果你清楚地知道你要读写的档案（或资料来源 / 去处）是采用某种编码方式，你也可以主动指定编码方式。但是，请记得抓取可能导致的 UnsupportedEncodingException，并务必处理之，不可对此例外置之不理，因为该 JRE 有可能没有附上此种编码表（也有可能你的编码名称给错）。 -
保持现场 ，保持资料的完整性
如果你不知道你的 I/O 资料来源或去处是用何种编码方式，那么你最好不要用 Reader 和 Writer，而应该直接用 InputStream 和 OutputStream，因为与其被 Reader 和 Writer 胡乱编码之后造成信息遗失或错乱，不如保持资料的完整不变，留待以后进一步解读。 -
建议
在我们的应用程序中涉及到 I/O 操作时只要注意指定统一的编解码 Charset 字符集，一般不会出现乱码问题，有些应用程序如果不注意指定字符编码，中文环境中取操作系统默认编码，如果编解码都在中文环境中，通常也没问题，但是还是强烈的不建议使用操作系统的默认编码，因为这样，你的应用程序的编码格式就和运行环境绑定起来了，在跨环境下很可能出现乱码问题。
六、 内存操作中的编码
Java中，String 类就提供转换到字节的方法，也支持将字节转换为字符串的构造函数。
Charset 提供 encode 与 decode 分别对应 char[] 到 byte[] 的编码和 byte[] 到 char[] 的解码。
参考： http://blog.csdn.net/mazhimazh/article/details/19327421
把一个字符串“中”赋给 String 类的一个对象 str，这个字符串“中”是按照操作系统默认编码方式进行编码，在中文 windows 系统中通常是“GBK”，“中”在GBK编码中是0xD6D0，在将该字符赋给str时，Java会对该字符串进行编码转换，即将GBK编码方式的“中”转换成Unicode编码方式的“中”，Unicode编码方式“中”的编码是0x4E2D，所以str在程序运行期间在内存中的二进制表示成16进制就是0x4E2D。
七、 造成MySQL乱码的一个原因
- 存入和取出时对应环节的编码不一致
我们把存入阶段的三次编解码使用的字符集编号为C1,C2,C3；取出时的三个字符集依次编号为C1’,C2’,C3’。那么存入的时候bash C1用的是UTF-8编码，取出的时候,C1'我们却使用了windows终端（默认是GBK编码），那么结果几乎一定是乱码。又或者存入MySQL的时候set names utf8(C2)，而取出的时候却使用了set names gbk(C2')，那么结果也必然是乱码 - 单个流程中三步的编码不一致
即上面任意一个流程同一方向的三步中，只要两步或者两部以上的编码有不一致就有可能出现编解码错误。如果差异的两个字符集之间无法进行无损编码转换，那么就一定会出现乱码。
网友评论