本文目录一览：
Java语言所使用的字符集是什么？
Java语言所使用的字符集是16位Unicode编码。另外再介绍一些常见的字符集：\x0d\x0a\x0d\x0a1、最早在dos下写pascal的时候，就遇到ASCII字符集，后来还是dos下写c，也是ascii字符集\x0d\x0a特点：目前最通用的单字节编码字符集\x0d\x0a表示：单字节\x0d\x0a最早ascii用7bit表示，总共能表示2^7=128个字符，后来扩展到8bit，就表示2^8=256个字符\x0d\x0a2、GB2312又称为GB2312-80字符集，全称为《信息交换用汉字编码字符集·基本集》，由原中国国家标准总局发布，1981年5月1日实施。\x0d\x0a特点：当然是能表示99%的中国汉字，还包括拉丁字母、日文假名、希腊字母、俄文字母、汉语拼音符号、汉语注音字母等\x0d\x0a表示：双字节\x0d\x0a3、GBK是汉字编码标准之一，全称《汉字内码扩展规范》，GBK 向下与GB2312编码兼容，向上支持ISO10646.1国际标准。可以认为GBK是在GB2313基础上通过内码扩展出来的一个标准。\x0d\x0a特点：完全兼容GB2312标准，支持国际标准ISO/IEC10646-1和国家标准GB13000-1中的全部中日韩汉字，并包含了BIG5编码中的所有汉字\x0d\x0a表示：双字节\x0d\x0a4、Big5，台湾那边使用比较多。\x0d\x0a5、GB 18030，全称是GB18030-2000《信息交换用汉字编码字符集基本集的扩充》，是我国政府于2000年3月17日发布的新的汉字编码国家标准，2001年8月31日后在中国市场上发布的软件必须符合本标准。\x0d\x0a特点：就是强大。覆盖中文、日文、朝鲜语和中国少数民族文字。满足中国大陆、香港、台湾、日本和韩国等东亚地区信息交换多文种、大字量、多用途、统一编码格式的要求。并且与Unicode 3.0版本兼容，填补Unicode扩展字符字汇“统一汉字扩展A”的内容。并且与以前的国家字符编码标准（GB2312，GB13000.1）兼容。\x0d\x0a表示：单字节、双字节、四字节三种方式\x0d\x0a6、Unicode野心更大（当然有一个国际统一标准当然是好事）\x0d\x0a特点：Unicode是一种在计算机上使用的字符编码。它为每种语言中的每个字符设定了统一并且唯一的二进制编码，以满足跨语言、跨平台进行文本转换、处理的要求。\x0d\x0a表示：utf-8,utf-16,utf-32\x0d\x0a这里可能有点不好理解，举个例子\x0d\x0a首先，把unicode理解成对所有字符做了一个统一的编号，比如：“字”这个字符，编号是23383，这个是unicode定义的\x0d\x0a但是，在计算机中，如何存储这个编号呢？方式就有很多，存储unicode的方式，就是utf-8,utf-16,utf-32\x0d\x0a23383数值的16进制表示：0x5b57\x0d\x0autf-8用3个字节来表示汉字，所以utf-8的表示为：0xE5AD97\x0d\x0autf-16用2个字节来表示汉字，所以utf-16的表示为：0x5b57 刚好和数值是一样的\x0d\x0autf-32用4个字节来表示汉字，所以utf-32的表示为：0x00005b57 和数值是一样的，不过浪费空间\x0d\x0a7、再来讲讲utf-8，它是一种变长的字符集\x0d\x0a表示：单字节来表示字母，双字节来表示一些希腊字母，三字节来表示汉字，当然也有四字节的\x0d\x0a这么做当然会增加表示和识别的难度，不过，可以节省空间。这也是为什么utf-8在网络编码中流行的原因。\x0d\x0a
java以二进制传输字符集填啥
用UTF-8.
java读写文件的有很多种方式，基本都是采用java.io的inputStream和各种基于inputstream的封装实现对文件的读写，最原始的接口提供的便是基于byte的读写，而String可以看做是char[]，一个char是8个byte。在最原始的ASCII编码中，我们采用一个字节 也就时8位来表示一个字符（图形字符或者控制字符），而后来1个字节不足以表示现实中的所有字符，于是出现了各种各样的编码格式，常见的比如UTF-8，GBK，UNICODE等。java中的string也是遵循jre中定义的默认字符集(基本为UTF-8），而在byte[]转化成String的过程中可能会由于编码字符集问题导致String逆向回来的byte[]与原来的数组不一致。
java中字符集什么意思
Java 中字符串在内核中使用 Unicode，也就是说每个字符 JVM 只记录它的 Unicode Code Point，只有在网络传输或保存到磁盘上时才需要把它转换成特定的字符集的编码，这个字符集就是把一个 Unicode Code Point 整数翻译成一串 byte[]，因为在网络或磁盘上，字节是一个一个排列的，我们需要知道把高位字节排前面还是排后面并且容易推断出哪个哪个字节是一个字符的边界，这样才能把相关的几个字节还原成一个字符而不是把第2个字符的后面半数字节和第3个字符的前面半数的字节拼在一起出一个怪异的字符，我们以前在早期的电脑游戏中不支持双字节汉语时我们经常碰到这个问题，那就是先输入一个汉字，在内存中有2个字节，然后我们按一下 backspace 软件只删除一个字节，我们再输入一个汉字之后一共有3个字节的，这时我们用一个支持汉字的软件来查看这个文字可能是第1个剩下的字节和后面的字符的第1字节拼起来刚好又是另一个汉字，而剩下的第3个字节就不是有意义的绘图符号。
当不需要把 JVM 内存中的字符传输到网络外或磁盘上或打印出来的时候，我们是不需要知道字符集的，在显示在图形界面上时JVM知道怎么把它们显示出来，现在的 Windows 操作系统同样也是 Unicode 内核的，也就是说我们只要说明 Unicode Code Point 它应该知道是什么字符，那么只剩下字体这边是否也是用 Unicode Code Point 来对应一个字符啦（这个我不确定，但估计也是），如果操作系统和字符这边也是按 Unicode Code Point 来对应，那么当我们不保存到磁盘或发送出网络时是完全不需要知道有字符集这回事的。
下面这个例子中处理一个 Unicode 6.0 新标准中收录的汉字，你看到 UTF-8, UTF-16, GB18030 支持它们，但 GB2312 没有收录这个汉字，所以出个问号，也就是我们学说的乱码啦。
什么是 Unicode，下面这样的表格就是 Unicode，而那些坐标数字就是 Code Point.
JDK 1.5 的 String 这个类支持 Unicode Code Point，也就是说能处理任何任意超出双字节的字符的处理，它是一些学术研究者（比如考古，古文献研究) 必须的功能，回想起来曾经的电报码翻译成电脑信息时由于输入法和字符集没有收录这些字没办法通过“输入一个数字得到这个字符的途径"，大家都是先扫描一个用图片再在电脑中剪切出每个字符的小图片贴出来的。记得在汉字处理时如果碰到冷僻字时它会超出2个字节，用 charAt() 这个是会出错的，因为 char 类型表示范围在 0 - 255 之间（2个字节），不能直接保存冷僻字，需要用2个 char 来表示一个字，因此 substring 的位置全是错误的，我们需要 offsetByCodePoints 重新计算一次 index 才能正确地 substring。
public static void main(String[] args) throws IOException
{
int[] codePoints = new int[16];
for (int i = 0; i 16; i++)
{
codePoints[i] = 0x20020 + i;
}
String a = new String(codePoints, 0, codePoints.length);
System.out.println("字符串：" + a);
System.out.println("字符串换算成 char[] 存储总长度是 :" + a.length());
System.out.println("codePointAt(7) 索引换算成 charAt 索引 :" + a.offsetByCodePoints(1, 7));
String c = a.substring(a.offsetByCodePoints(1, 7), a.offsetByCodePoints(1, 8));
System.out.println("UTF-8 for " + c + " is " + toString(c.getBytes("UTF-8")) + " == "
+ new String(c.getBytes("UTF-8"), "UTF-8"));
System.out.println("UTF-16 for " + c + " is " + toString(c.getBytes("UTF-16")) + " == "
+ new String(c.getBytes("UTF-16"), "UTF-16"));
System.out.println("GB2312 for " + c + " is " + toString(c.getBytes("GB2312")) + " == "
+ new String(c.getBytes("GB2312"), "GB2312"));
System.out.println("GB18030 for " + c + " is " + toString(c.getBytes("GB18030")) + " == "
+ new String(c.getBytes("GB18030"), "GB18030"));
}
private static String toString(byte[] input)
{
StringBuffer b = new StringBuffer();
b.append('[');
for (int i = 0, size = input.length; i size; i++)
{
b.append(Integer.toString(input[i]));
if (i size - 1)
b.append(',');
}
b.append(']');
return b.toString();
}
这个代码输出如下，为防止百度或者说你的电脑未安装支持冷僻字的字体，不能正确显示冷僻字，这里面用图片啦。
