——Java培训、Android培训、iOS培训、.Net培训、期待与您交流！ ——-
最近看毕老师的JAVA视频系列，获益颇多，看到IO系列的时候，我关注到一个问题：就是语言与字符集
众所周知，在坑爹的神明和巴别塔的倒掉之后，世界各地人们用的语言五花八门，发音，书写，规则各异。以至于外语成了当今世界交流越来越频密的必须品。
这个暂不细表，说不定哪天张公子会去写一篇譬如《论巴别塔的倒掉》之类的。
自发明计算机后，文字的表示与输入成了紧迫需求，随之而来的便是一整套的计算机文字系统，从键盘到显示器，从编码到字符映射，从输入法到字体，各种系统和规范被开发而来。这两天我也摸了摸编码与字符集的相关问题，轻言浅见，欢迎驳正。
说到字符集，不得不提大名鼎鼎的ASCII,这个用了7bit的基础字符编码表简直无处不在，衍生了无数兼容ASCII的字符集，一般称之为ANSI编码，比如我们的GB系列
GB3212,GBK,GB18030 ，这些字符集都使用了2byte来对应一中文字符，为了兼容ASCII，只使用了低7位，而最高位置1以免与ASCII冲突。
免了和ASCII冲突却免不了和其他字符集冲突，比如日文歌曲中经常出现的乱码，那是SHIFT-JIS码，大家喜闻乐见的港台BIG5繁体编码，还有令人头疼的ISO8859-1，由于ISO8859-1在拉丁语系中覆盖力强，编码只需1字节（8bit），导致很多软件默认使用了它来编码，当然，都是欧美的。这就导致我们想要在这些软件中使用中文成为一件麻烦事。
比如这个很常见的问题：怎么保证流中的中文（GBK编码）不会被“拦腰截断”呢
这是一个对java String 截断的样例：
主要就是在读取结束位置多读取下一个字节来做判断。
为了应对和协调各种语言之间的编码冲突问题，UNICODE应运而生，无论什么语言字符，在Unicode中是拥有一席之地的，最美好的事情是，不会冲突，只是有个问题，Unicode字符太多，编码略长啊。这个不够效率，于是Unicode族中出现了UTF-8，它是基于可变长度的编码，用编码头来标识单个字符的编码长度：
一个字符就是10bbbbbb；两个字符就是110bbbbb：10bbbbbb；三个字符就是1110bbbb：10bbbbbb：10bbbbbb
毕老师的视频里提了一个很有趣的问题：“联通” 因为这俩字符的GB编码刚好都符合Utf-8的2字符规则，于是又冲突了，而且查一查GBK，这种字符有64*32个之多：
遂写个取之：
如果你眼神够好，大概能找到联通俩字
以上
文章知识点与官方知识档案匹配，可进一步学习相关知识Java技能树IO流概述92666 人正在系统学习中
声明：本站部分文章及图片源自用户投稿，如本站任何资料有侵权请您尽早请联系jinwei@zod.com.cn进行处理,非常感谢！