javautf8byte_byte以及UTF-8的转码规则
多年来闲⿇烦，只记录笔记，不曾编写BLOG，本⽂为原创，如需转载请标明出处
废话不说，直奔主题
ascii
计算机只接受 “⾼”、“低”电压，所以使⽤⼆进制  1  和  0 分别代表⾼低电压
ascii  将 “字符”和“符号”转为⼆进制，在通过⼆进制转为电压让计算机识别
0-127 是 7 位ASCII 码的范围，是国际标准  0111 1111
byte 字节
1 byte = 8 bit    就是8位⼆进制数    在不同语⾔中，字节范围不应，这主要取决于最⾼位是不是符号位
ascii  就是⽤⼀个字节，8位⼆进制表⽰⼀个字符或者符号
如 ⼩写字母 a 的 ascii 编码是97，不同进制表⽰如下
⼆进制：01100001  (⾼四位 0110 低四位  0001)
⼗进制：26 + 25 + 20 = 64 + 32 + 1 = 97
了解了ASCII，再来看看其他编码和byte的关系
gb2312    两字节
utf-8          ⼀个 "英⽂" 字符⼀字节，⼀个 "中⽂" 字符三字节
unicode    所有字符等于 "两个字节"
UTF-8
以 UTF-8 JAVA 中 将字符串转换为字节为例
//字符串和byte转换样本
byte[] str2byte = new String("中汉").getBytes("utf-8");
for (byte b : str2byte) {
System.out.println(b);
}
byte[] byte2str = { -28, -72, -83, -27, -101, -67 };
String str = new String(byte2str, "utf-8");
System.out.println(str);
解释：
⽐如 “汉” 这个字要在⽹络上传输，最终是要使⽤⼆进制表⽰电压
unicode 编码表中 “汉”字的编码是0x6C49，
转成UTF-8格式，对照映射表， 0x6C49在0x0800-0xFFFF之间， UTF-8使⽤⽤3字节模板了：1110xxxx 10xxxxxx 10xxxxxx 0x6C49 是16进制表⽰， 6C49  写成⼆进制是：0110 1100 0100 1001
⽤这个⽐特流依次代替模板中的x，得到：11100110 10110001 10001001，即E6 B1 89
在 java 中，⾸先要把汉字转成字节，计算出来的 是 -26，-79，-119，我们发现和E6 B1 89 不同
那么是如何换算呢
E6 => 1110 0110  因为JAVA中 byte 是 -128 ~ 127，⾼位是符号位
计算⽅式为    采⽤补码计算  取反后+1  去掉符号位，0001 1001 + 1 = 16+8+1 + 1 = 26
⾼位1 位负数， 所以 E6 对应 -26， 在通过字节传输给⽹络流，转成⼆进制
那么使⽤UTF-8 将⼀串中英⽂转成⼆进制，计算机如何接收呢
url编码和utf8区别这个就是UTF-8规则编码，计算机指定了UTF8编码接收⼆进制并进⾏转移，当发现字节以0开头，表⽰这是⼀个标准ascii字符，直接转义，当发现1110开头，就说明接下来的三个字节表⽰⼀个汉字，则取3个字节去掉模板后转义，UTF8编码模板如下
1字节 0xxxxxxx
2字节 110xxxxx 10xxxxxx
3字节 1110xxxx 10xxxxxx 10xxxxxx
4字节 11110xxx 10xxxxxx 10xxxxxx 10xxxxxx
5字节 111110xx 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx
6字节 1111110x 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx
base64
作⽤：
主要⽤于将⼆进制数据转换成可见字符
由来：
早期 MIME 协议 Multipurpose Internet Mail Extensions 只能传输ASCII字符，这样⾮英⽂字符和图⽚就⽆法在邮件中发送
(ASCII包含的字符少，GBK等包含的中⽂在ascii表⽰不了，所以有UTF)
BASE64就是将这些⼆进制数据转换成64个定义好的ASCII字符，⼀⽅⾯可以传输，⼀⽅⾯可以也可见，⽐如XML⾥加⼊⼆进制图⽚持久化，就是⽤ BASE64 进⾏存储
BASE64  最⼩使⽤单元是3字节，24bit  转换后将24bit且成4块，然后每块是6bit，因为计算机存储字
节是8bit，所以在⾼位补两个0
<    100101  转换后  00100101
这样就得到了4个ascii  字符，不过长度也随之增加
另外，URL⾥不⽀持 /  +这类字符，所以⼀般使⽤  safe  url base 64编码，由于BASE64是3*8 = 4*6 的游戏，
注意：当转换成6位时，需要查BASE64编码表，⽽不是查ASCII表，另外，当转化不是3的倍数时，看下图
这⾥再举例⼩写 a
01100001  转换后是  011000  010000  补4个0变成2字节，得到YQ，BASE64要求4个字节  补两个 ==
得到  YQ==

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。