Java认证：Java中编码以及Unicode总结（1）

会计考友

根基概念 　　bit 位只能是0或者1
9 }& ~' h  K! w" P　　byte 字节一个字节是8位，1 byte=8 bits 计较机暗示的根基单元
　　KB，MB，GB，TB，PB是以1024与byte进行换算
& v3 E! h6 K1 D; a$ d# }3 J　　进制 用符号进行计数 十进制、二进制、八进制（011）、十六进制（0xFF）
  z3 {7 Z4 r5 r+ p2 v　　字符文字和符号的总称
; B, h. _3 {7 Y+ i$ u) A" `　　1、
　　0 0×00 0000，0000
　　1 0×01 0000，0001
+ g* }6 G+ C/ B0 Z( r: n0 m　　2 0×01 0000，0010
　　127 0×7F 0111，1111
& c  ^' D; Y8 R2 l+ O　　-128 0×80 1000，0000
　　-2 0xFE 1111，1110
% A3 q- Q+ f$ R3 }　　-1 0xFF 1111，1111
　　以补码的形式暗示的二进制编码。
　　-2的暗示，2=0000，0010，反码1111，1101，补码=反码+1=11111110
　　1111，1110暗示的就是1111，1110-1=1111，1101，取反就是0000，0010也就是2，所以就是-2
6 S" Q0 G' x! h, @　　2、
　　字符集和编码
  {, n2 h* k0 q! {. [5 q5 e　　2.1字符（Character）
' i. F9 O% {2 `4 k8 Z　　字符（Character）是文字与符号的总称，搜罗文字、图形符号、数学符号等。
　　2.2字符集（Character Set）
5 N0 A' w3 Y1 \) r　　一组成象字符的集结就是字符集（Character Set）。字符集经常和一种具体的说话文字对应起来，该文字中的所有字符或者大部门常用字符就组成磷泼文字的字符集，好比英文字符集。一组有配合特征的字符也可以组成字符集，好比繁体汉字字符集、日文汉字字符集。字符集的子集也是字符集。
　　计较机要措置各类字符，就需要将字符和二进制内码对应起来，这种对应关系就是字符编码（Encoding）。拟定编码首先要确定字符集，并将字符集内的字符排序，然后和二进制数字对应起来。按照字符集内字符的若干好多，会确定用几个字节来编码。每种编码都限制了一个明晰的字符集结，叫做被编码过的字符集 （Coded Character Set），这是字符集的此吐矣闽寄义。凡是所说的字符集大多都是指编码字符集（Coded Character Set）。
　　1
, n  d  l4 |$ P: f& k9 z　　2.2.1 ASCII字符集
　　ASCII（American Standard Code for Information Interchange，美国信息交流尺度代码）是基于罗马字母表的一套电脑编码系统。由美国国家尺度局（ANSI）拟定。
1 W! K* b1 W, j- i　　7位，可以暗示2^7=128个字符。在计较机的存储单元中，一个ASCII码置魅占一个字节（8个二进制位），其最高位（b7）用作奇偶校验位。 7位编码的字符集只能撑持128个字符，为了暗示更多的欧洲常用字符对ASCII进行了扩展，ASCII扩展字符集使用8位（bits）暗示一个字符，共 256字符。
: |4 C  D* a8 o* j　　ASCII扩展字符集比ASCII字符集扩充出来的符号搜罗表格符号、计较符号、希腊字母和非凡的拉丁符号。
8 `7 q4 {* G# {* F3 f! `　　2.2.2 GB2312 字符集
　　GB2312又称为GB2312-80字符集，全称为《信息交流用汉字编码字符集·根基集》，由原中国国家尺度总局发布，1981年5月1日实施。在中国大陆和新加坡获普遍使用。GB2312收录简化汉字及一般符号、序号、数字、拉丁字母、日文假名、希腊字母、俄文字母、汉语拼音符号、汉语注音字母，共 7445 个图形字符。其中搜罗6763个汉字，其一一级汉字3755个，二级汉字3008个；搜罗拉丁字母、希腊字母、日文平假名及片假名字母、俄语西里尔字母在内的682个全角字符。
　　GB2312中对所收汉字进行了“分区”措置，每区含有94个汉字/符号。这种暗示体例也称为区位码。各区包含的字符如下：01-09区为非凡符号；16-55区为一级汉字，按拼音排序；56-87区为二级汉字，按部首/笔画排序；10-15区及88-94区则未有编码。
　　两个字节中前面的字节为第一字节，后面的字节为第二字节。习惯上称第一字节为“高字节” ，而称第二字节为“低字节”。“高位字节”使用了0xA1-0xF7 （把01-87区（88-94区未有编码）的区号加上0xA0），“低位字节”使用了0xA1-0xFE （把01-94加上0xA0）。
　　以GB2312字符集的第一个汉字“啊”字为例，它的区号16，位号01，则区位码是1601，在大大都计较机轨范中，高字节和低字节分袂加0xA0获得轨范的汉字措置编码0xB0A1。计较公式是：0xB0=0xA0+16， 0xA1=0xA0+1。
1 M& }& V" V1 Z) g7 T　　2.2.3 GBK 字符集
　　GBK全名为汉字内码扩展规范，英文名Chinese Internal Code Specification。K 即是“扩展”所对应的汉语拼音（KuoZhan11）中“扩”字的声母。GBK 来自中国国家尺度代码GB 13000.1-93。GBK： 汉字国标扩展码，根基上采用了原本GB2312-80所有的汉字及码位，并涵盖了原Unicode中所有的汉字20902，总共收录了883个符号， 21003个汉字及供给了1894个造字码位。［（GBKH-0xB0）*0x5E+（GBKL-0xA1）］*（汉字离散后每个汉字点阵所占用的字节）
3 Y. j( W2 ?0 B7 T　　GBK是GB2312的扩展，是向上兼容的，是以GB2312中的汉字的编码与GBK中汉字的不异。此外，GBK中还包含繁体字的编码。
+ i6 P4 \& Z2 S: `- M4 u9 D7 u　　GBK中每个汉字仍然包含两个字节，第一个字节典型围是0×81-0xFE（即129-254），第二个字节典型围是0×40-0xFE（即 64-254）。GBK中有码位23940个，包含汉字21003个。
- Q( ^4 B& Z) Z& z4 L　　2
　　2.2.4 BIG5字符集
( s# W/ S& ~, q1 R( j! @　　又称大五码或五大码，1984年由台湾财团监犯信息工业策进会和五间软件公司宏碁 （Acer）、神通 （MiTAC）、佳佳、零壹 （Zero One）、公共 （FIC）创立，故称大五码。Big5码的发生，是因为那时台湾分歧厂商各自推出分歧的编码，如倚天码、IBM PS55、王笆鏊等，彼此不能兼容；另一方面，台湾政府那时尚未推出官方的汉字编码，而中国大陆的GB2312编码亦未有收录繁体中文字。