老生常谈计算机中的编码问题(必看篇)
计算机中的编码问题
因为计算机只能处理数字，如果要处理文本，就必须先把文本转换为数字才能处理。最早的计算机在设计时采用8个比特（bit）作为一个字节（byte），所以，一个字节能表示的最大的整数就是255（二进制11111111=十进制255），如果要表示更大的整数，就必须用更多的字节。比如两个字节可以表示的最大整数是65535，4个字节可以表示的最大整数是4294967295。
一、目前常用的编码
ascii编码：由于计算机是美国人发明的，因此，最早只有127个字母被编码到计算机里，也就是大小写英文字母、数字和一些符号，这个编码表被称为ascii编码，比如大写字母a的编码是65，小写字母z的编码是122。
gb系列编码：但是要处理中文显然一个字节是不够的，至少需要两个字节，而且还不能和ascii编码冲突，所以，中国制定了gb2312编码，用来把中文编进去。进而全世界有上百种语言，日本把日文编到shift_jis里，韩国把韩文编到euc-kr里，各国有各国的标准，就会不可避免地出现冲突，结果就是，在多语言混合的文本中，显示出来会有乱码。gb系列编码是我国的国标编码，用来存储汉字，分为gb2312，gbk，gb18030，基本都能向前兼容，其中gbk是目前最通用的。
unicode编码：unicode把所有语言都统一到一套编码里，这样就不会再有乱码问题了。unicode标准也在不断发展，但最常用的是用两个字节表示一个字符（如果要用到非常偏僻的字符，就需要4个字节）。现代操作系统和大多数编程语言都直接支持unicode。不过他只规定了字符的编码，却没有规定字符以何种方式存储或者传输。所以utf系列编码规定了unicode编码的存储和传输方式。
utf编码系列：目前最常用的utf编码分为3种，utf-8，utf-16和utf-32，我们知道计算机是以8位为一个字节来存储数据的，而utf-16，utf-32分别用2字节和4字节来表示一个字符，所以这里就涉及到字节的存储顺序，是低位在前还是高位在前，这样，bom就产生了。
bom是文本文件开头的一个特殊标记，用一组特殊数字来标记文本文件的字节序。虽然utf-8字节顺序是固定的，但为了兼容utf-16和utf-32也规定了utf-8的bom，用于标记utf-8编码。不过utf-8的bom在不同平台的规定不同，要小心使用。
bom规定如下：
utf-8 ef bb bf
utf-16(le) ff fe
utf-16(be) fe ff
utf-32(le) ff fe 00 00
utf-32(be) 00 00 fe ff
utf-8编码：如果统一成unicode编码，乱码问题从此消失了。但是，如果你写的文本基本上全部是英文的话，用unicode编码比ascii编码需要多一倍的存储空间，在存储和传输上就十分不划算。所以，本着节约的精神，又出现了把unicode编码转化为“可变长编码”的utf-8编码。utf-8编码把一个unicode字符根据不同的数字大小编码成1-6个字节，常用的英文字母被编码成1个字节，汉字通常是3个字节，只有很生僻的字符才会被编码成4-6个字节。如果你要传输的文本包含大量英文字符，用utf-8编码就能节省空间：
| 字符 | ascii | unicode | utf-8 |
| a | 01000001 | 00000000 01000001 | 01000001 |
| 中 | x | 01001110 00101101 | 11100100 10111000 10101101 |
二、计算机系统中的编码应用
在计算机内存中，统一使用unicode编码，当需要保存到硬盘或者需要传输的时候，就转换为utf-8编码；用记事本编辑的时候，从文件读取的utf-8字符被转换为unicode字符到内存里，编辑完成后，保存的时候再把unicode转换为utf-8保存到文件：
浏览网页的时候，服务器会把动态生成的unicode内容转换为utf-8再传输到浏览器：
所以你看到很多网页的源码上会有类似<meta charset="utf-8" />的信息，表示该网页正是用的utf-8编码。
三、java中的编码问题
直接写一个demo来看看eclipse中java项目的编码是怎么样的吧。
1、字符串转为字节序列
public class encodedemo {
public static void main(string[] args) {
// todo auto-generated method stub
string s="云开de立夏";
byte[] bytes1=s.getbytes();//这是把字符串转换成字符数组，转换成的字节序列用的是项目默认的编码
for(byte b: bytes1)
//tohexstring这个函数是把字节（转换成了int）以16进制的方式显示
system.out.print(integer.tohexstring(b & 0xff)+" ");// & 0xff是为了把前面的24个0去掉只留下后八位
}
}
运行结果：
分析：可以看到这个java项目的默认编码中，汉字用2个字节表示，英文用一个字节表示。
通过查看项目的默认编码为gbk。
如果不想用项目默认的编码格式，可以用下面这种方法指定字符串转化为想要的编码格式：
byte[] bytes2=s.getbytes("utf-8");//转换成utf-8编码
for(byte b: bytes2)
//tohexstring这个函数是把字节（转换成了int）以16进制的方式显示
system.out.print(integer.tohexstring(b & 0xff)+" ");// & 0xff是为了把前面的24个0去掉只留下后八位
system.out.println();
byte[] bytes3=s.getbytes("utf-16be");//转换成java双字节编码，utf-16be编码
for(byte b: bytes3)
//tohexstring这个函数是把字节（转换成了int）以16进制的方式显示
system.out.print(integer.tohexstring(b & 0xff)+" ");// & 0xff是为了把前面的24个0去掉只留下后八位
运行结果：
分析：两个结果对比可以得出，
gbk编码： 中文占用两个字节，英文占用一个字节。
utf-8编码：中文占用三个字节，英文占用一个字节。
utf-16be编码：中文占用两个字节，英文占用两个字节。
注意：java是双字节编码，是utf-16be编码。即java中的一个字符（char）占用两个字节！
2、字节序列转为字符串
当你的字节序列是某种编码时，这个时候想把字节序列变成字符串，也需要用这种编码方式，否则会出现乱码。
string str1=new string(bytes1);//这时会使用项目默认的编码来转换，可能出现乱码 system.out.println(str1); string str2=new string(bytes2); system.out.println(str2); string str3=new string(bytes2,"utf-8"); system.out.println(str3);
运行结果：
四、文本文件（txt）的编码问题
文本文件就是字节序列，可以是任意编码的字节序列。
如果我们在中文机器上直接创建文本文件，那么该文件只认识ansi编码（例如直接在电脑中右键创建文本文件）。
这里要注意：只有直接创建文本文件时，该文件的编码只认识ansi，但是文本文件本身是可以放任意编码的字节序列。
注意：中文系统下，ansi编码即是gbk编码。
这里举个例子：
我们在eclipse新建一个项目，把它的默认编码改为utf-8
那么对于这个项目而言，它只认识utf-8的编码文件。
接下来，我们在这个项目中新建一个文本文件utf-8.txt,并在里面输入内容如下：
如果直接把这个文本文件拷贝到其他项目中（默认为gbk编码），里面的内容将会变成乱码！因为编码不一样！
但是如果是将里面的内容复制粘贴过去，系统会自动转化为相应的编码，是不会出现乱码的。
注意：如果把这个文本文件拷贝到其他地方（比如系统的桌面）上，它不会出现乱码！！因为文本文件可以是任意的编码序列，系统在读取文本文件时会自动转化为相应的编码格式。
了解文件的编码有什么用呢？？在java的io流中，我们需要对文件进行读写，使用字节流进行读写的时候，就必须根据不同的编码方式进行读写。因为不同编码方式的各个字符所占用的字节数不同，我们要按照实际情况进行操作。
以上这篇老生常谈计算机中的编码问题(必看篇)就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持。