字符编码和字符集，编码引出的问题_FileReader读取GBK格式的文件

字符编码和字符集：

计算机中储存的信息都是用二进制数表示的，而我们在屏幕上看到的数字、英文、标点符号、汉字等字符是二进制数转换之后的结果。

按照某种规则，将字符存储到计算机中，称为编码。反之，将存储在计算机中的二进制数按照某种规则解析显示出来，称为解码。比如说，

按照A规则存储，同样按照A规则解析，那么就能显示正确的文本符号。反之，按照A规则存储，再按照B规则解析，就会导致乱码现象。

编码:字符(能看懂的)--字节(看不懂的)

解码:字节(看不懂的)-->字符(能看懂的)

字符编码character Encoding:就是一套自然语言的字符与二进制数之间的对应规则。

编码表:生活中文字和计算机中二进制的对应规则

字符集：

字符集charset:也叫编码表。是一个系统支持的所有字符的集合，包括各国家文字、标点符号、图形符号、数字等。

计算机要准确的存储和识别各种字符集符号，需要进行字符编码，一套字符集必然至少有一套字符编码。

常见字符集有ASCII字符集、GBK字符集、Unicode字符集等。

 

 

 可见，当指定了编码，它所对应的字符集自然就指定了，所以编码才是我们最终要关心的。

ASCII字符集∶

。ASCll ( American Standard Code for Information Interchange，美国信息交换标准代码）是基于拉丁字母的一套电脑编码系统，

用于显示现代英语，主要包括控制字符（回车键、退格、换行键等）和可显示字符(英文大小写字符、阿拉伯数字和西文符号)。

。基本的ASCII字符集，使用7位 ( bits ）)表示一个字符，共128字符。ASCII的扩展字符集使用8位( bits )表示一个字符，共256字符，

方便支持欧洲常用字符。

 lSO-8859-1字符集:

。拉丁码表，别名Latin-1，用于显示欧洲使用的语言，包括荷兰、丹麦、德语、意大利语、西班牙语等。

o ISO-5559-1使用单字节编码，兼容ASCIl编码。

GBxxx字符集：

GB就是国标的意思，是为了显示中文而设计的一套字符集。

GB2312:简体中文码表。一个小于127的字符的意义与原来相同。但两个大于127的字符连在一起时，就表示一个汉字，这样大约可以组合了包含7000多个简体汉字，

此外数学符号、罗马希腊的字母、日文的假名们都编进去了，连在ASCII里本来就有的数字、标点、字母都统统重新编了两个字节长的编码，

这就是常说的"全角"字符，而原来在127号以下的那些就叫""半角"字符了。

GBK:最常用的中文码表。是在GB2312标准基础上的扩展规范，使用了双字节编码方案，共收录了21003个汉字，

完全兼容GB2312标准，同时支持繁体汉字以及日韩汉字等。

GB18030∶最新的中文码表。收录汉字70244个，采用多字节编码，每个字可以由1个、2个或4个字节乡成。

支持中国国内少数民族的文字，同时支持繁体汉字以及日韩汉字等。

Unicode字符集∶

o Unicode编码系统为表达任意语言的任意字符而设计，是业界的一种标准，也称为统一码、标准万国码。

它最多使用4个字节的数字来表达每个字母、符号，或者文字。有三种编码方案，UTF-8、UTF-16和UTF-

32。最为常用的UTF-8编码。

UTF-8编码，可以用来表示Unicode标准中任何字符，它是电子邮件、网页及其他存储或传送文字的应用中，优先采用的编码。

互联网工程工作小组(IETF ）要求所有互联网协议都必须支持UTF-8编码。所以，我们开发Web应用，也要使用UTF-8编码。

它使用一至四个字节为每个字符编码，编码规则:

1.128个US-ASCll字符，只需一个字节编码。

2.拉丁文等字符，需要二个字节编码。

3.大部分常用字(含中文)，使用三个字节编码。

4.其他极少使用的Unicode辅助字符，使用四字节编码。

 

 

 

 

 

编码引出的问题_FileReader读取GBK格式的文件：

在IDEA中，使用FileReader读取项目中的文本文件。由于IDEA的设置，都是默认的UTF-8编码，所以没有任何问题。

但是，当读取Windows系统中创建的文本文件时，由于Windows系统的默认是GBK编码，就会出现乱码。

public class bainma {
    public static void main(String[] args) throws IOException {
        //创建字符输入流FileReader对象
        FileReader reader = new FileReader("diyu.txt");
        //red
        int red;
        while ((red = reader.read()) !=-1){
            System.out.println((char) red);
        }
        //释放流资源
        reader.close();
    }
}

 

 

 

 

 

 

搜索

复制

标签：编码,UTF,字节,字符,FileReader,字符集,GBK,汉字
来源： https://www.cnblogs.com/hungui/p/16476673.html