对编码的一点理解

平时总是遇到编码问题，遇到就百度，一直不理解，现在找个时间做了下笔记，方便自己理解

1. 为什么需要编码？

我们知道计算机只能存储0和1（即高低电位传递、灯明灭），所有存储在计算机里的信息都会变成 "010010101" 这样看不懂的数字，那么问题来了，如何把 "010010101" 这样的数字转变成我们能看懂的符号？

思路是这样的：

大家约定一套规则，就像小时候玩的传纸条+情报游戏，我们规定用"0001"代表"点"字，用"0003"表示“快”字，用"0020"代表"赞"，这样写在纸上 0003 0001 0020 就表示"快点赞"。以此类推，计算机也是这样来表示我们能看懂的符号

所以，编码是把我们看不懂的 0101001 转变成 我们能看懂的符号，此处的编码是广义上的。

而狭义上的编码是指把我们能看懂的符号变成0101的过程，解码就是把看不懂的0101变成能看懂的符号的过程

2. 常见的编码

ASCII

因为计算机先在美国出现，而且也没有考虑到会在全世界推广，所以当时制定了一套表示美国字符的编码规则——ASCII ASCII用一个字节（byte）即8位（bit）来表示符号，这样能有28=256种符号，美国的符号其实用不了那么多，ASCII规定用低7位来表示字符，27=128种，高位用0补充，这样字母，数字，制表符等都能表示了

ISO-8859-1

由于计算机的推广，ASCII不能满足西欧，希腊等国家的符号，所以在ASCII的基础上扩展出了ISO-8859-1，也同样使用单字节表示符号，不同在于高位也利用起来了，即能表示256种符号，这样西欧国家的符号也能表示了

Unicode

随着计算机的广泛使用，ISO组织为了让全世界的符号都在计算机表示，其提出一个新的编码方式（广义）——Unicode。注意：这只是一个符号集，只规定了符号的二进制（即0101这样的）表示，没有规定怎么把这些二进制存储起来

UTF-8

UTF-8是使用最广的一种 Unicode 的实现存储方式，用变长的字节来表示符号，根据Unicode的编号大小，编号小的就用一个字节，编号大的用4个字节，从1-4字不等

UTF-16

Java 以 UTF-16作为内存的字符存储格式，其用16位即两个字节表示 Unicode 的转化格式，是定长的

总结Unicode

Unicode内有世界全部符号对应的二进制表示（很大很大），而这些二进制怎么存进计算机就是UTF-XX的规定了。这些UTF存储的只是转化的格式，用这个格式去Unicode表里按格式查找就能找出对应的字符

简单理解：Unicode是一个存储了各种符号的二维数组，而UTF-XX存储的是该二维数组的下标，那么用这些下标就可从数组中找出对应的符号了

URL编码

URL只能用英文字母、阿拉伯数字和某些标点符号，不能使用其他文字和符号。对于特殊的字符则被编码为ASCII十六进制字符，前后用%来标识，空格就被编码为’+’，这样来用规定字符来表示特殊字符

3. 计算机编码

计算机的基本存储单元是字节，所以进行信息传输的也是二进制字节。那么计算机就无法直接传输字符，就需要将字符解析成二进制字节，这个解析操作就叫做编码（encode）。而相应的，将编码的二进制字节还原成字符的操作就叫做解码（decode）

4. Java的编码

java存储时所用的是UTF-8可变的方式、而JVM内存运行时所用的是UTF-16，因为UTF-16是定长的，不用像UTF-8那样再次转换计算，使用方便。

JVM内存运行时（UTF-16），所以char占两个字节。注意：String虽然是char组成，但用了更加灵活的方式存储，英文占一个字符，中文占两个字符，即英文一个字节，中文两个字节，主要提高存储效率，节省空间。这里的话String和char比就不同了

那么一个char占两个字节在utf-16情况下可以存全部的中文了。而在utf-8存储中少部分汉字不能，因为占了3-4字节