java所使⽤的字符集是_Java常⽤字符集编码详解
Java常⽤字符集编码详解
Web开发的时候经常会遇到⼀些字符编码的错误，如页⾯乱码等问题，所以有必要需对字符编码有所了解，以下是Ricki收集的⼀些资料(可能不是很全，但希望对你有所帮助)
Java标准字符集：所谓Java标准字符集，就是Java平台⽀持的字符集：US-ASCII、ISO-8859-1、UTF-8、UTF-16BE、UTF-16LE、UTF-16。
US-ASCII
US-ASCII，这是⼀个出现得⽐较早的字符编码规范；因为它出现⽐较早，在通⽤型⽅⾯也考虑得⽐较少，所以也⽐较简单。⼀个ASCII字符⽤⼀个字节存储，也就是说它可以⽤来表⽰256个不同的字符。由于英⽂⼤⼩写字母、阿拉伯数字和标点符号等字符是有限的，所以就把前128个字符作为常⽤字符，⽽剩下的⾼位字符作为扩展字符。这128个字符通常⽤来表⽰⾳标、特殊字符等。
ISO-8859-1
ISO-8859-1也常被称为Latin_1(拉丁1)字符集，像MySQL的默认字符集就是ISO-8859-1，其他它与ASCI
I编码类似，也是⽤⼀个字节表⽰⼀个字符，也只⽤于表⽰英⽂字符、数字、符号及特殊字符。它与ASCII唯⼀的不同在于它是⼀个国际标准，⽽ASCII只是⼀个美国国家标准。
中⽂字符集
通过对上⾯两种字符集的了解，如果想⽤它们来表⽰中⽂字符集，显然有些不太现实，因为常⽤的中⽂字符都有上千个之多，所以我们需要能表⽰更多字符的字符集实现中⽂字符编码。但⼜为了兼容ASCII编码，中国在ASCII的基础上制定了⾃⼰的字符编码规范，也就是我们⽐较熟悉的GB2312，它的全称是GB2312-80信息交换⽤汉字编码字符集(基础集)。它能定义了7000多个常⽤汉字和符号，GB2312的实现是通过使⽤两个扩展ASCII字符来定义⼀个中⽂字符，根据这⼀特定，我们就可以判断相邻的两个ASCII字符是否为扩展字符，我们就可以确认这两个字符组成⼀个中⽂字符，但是在扩展ASCII字符中，也定义了⼀些其他字符，所以相邻两个ASCII同为扩展字符时，并不能肯定的说它是⼀个中⽂字符，处理起来是相当⿇烦的。
除了GB2312这个字符集以外，还有⼏个中⽂的字符集：Big5、HKSCS、GBK、GB18030。
——>        Big5：台湾使⽤的编码标准，繁体中⽂字符，字符数也有7000多个。
——>        HKSCS：⾹港使⽤的编码标准，繁体中⽂字符，但跟Big5不同
—
—>        GBK：《汉字内码扩展规范》是GB2312的扩展集，不仅增加了⼤量简体中⽂字符和符号，也增加了对繁体中⽂字符的⽀持，另外还留有⽤户⾃定义字符空间，总共字符数在22000左右。
——>        GB18030：《信息交换⽤汉字编码字符集 基本集的扩充》将会成为中国字符编码规范新标准，它兼容GB2312和GBK。
GB2312、Big5、HKSCS是同⼀时期的产物，虽然都是通过扩展ASCII来实现的，但是它们彼此之间并不兼容，GBK作为GB2312的扩展产物，它⼏乎涵盖了Big5⾥所有的繁体字，并将⼀些不常见的中⽂字符也添加进⼊标准，windows操作系统⽀持的中⽂字符集也就是GBK；GB18030是2000年制定的标准，它为了兼容GB2312和GBK，保留了双字节编码，同时为了扩展，新增了四字节编码，扩展后的GB18030字符集新增了部分少数民族⽂字，⽀持的字符数量⽐GBK多5000多个。
Unicode
通过对上⾯知识的学习，你就会觉得Unicode(Universal Multiple-Octet Coded Character Set)的出现是种必然，如果没有⼀套统⼀的字符编码标准，我们将举步维艰。Unicode提供了两套字符编码标准：
——>          UCS-2(Unicode-16)：2个字节字符编码
unicode码和ascii码区别——>          UCS-4(Unicode-32)：4个字节字符编码
Unicode编码能⽀持的字符数相当多，Unicode-16就能定义65535个字符，其中包含了⼤量中⽂字符(⼀个中⽂字符只暂⼀位)。
其实Unicode是⼀种理想化的字符标准，它并没有过多的考虑⽬前已经存在的字符集标准，它只与ISO-8859-1兼容，但它并不与ASCII兼容，想从ASCII编码转换为Unicode编码相当困难；另外，Unicode⾥很多字符都有‘0’字节，这将导致C语⾔会误认为它为字符串结束标志，这是相当可怕的，如果使⽤了Unicode编码，所有⽤C语⾔实现的系统将⽆法正常⼯作。这也是为何会出现UTF的原因。
UTF编码
UTF(UCS Transformation Format)实现了Unicode与计算机所使⽤的编码之间的映射关系。常⽤的UTF编码有：UTF-8、UTF-16、UTF-7等。
——>      UTF-8：是三字节变长字符编码，它能兼容ASCII编码。
——>      UTF-16：是Unicode的标准实现，与Unicode编码规范相同
——>      UTF-16BE：UTF-16编码big endian，先存放⾼字节
——>      UTF-16LE：UTF-16编码little endian，先存放低字节
其中，big endian和little endian是CPU处理多字节字符的不同⽅法，因CPU的不同⽽有所不同。另外，很多⼈都认为UTF-8和Unicode是⼀个概念，其实UTF-8只是Unicode标准的⼀种编码实现，是⽬前使⽤得⽐较多的字符编码格式之⼀。
PS:⼀、  各个国家和地区所制定的不同 ANSI 编码(不同的国家和地区制定了不同的标准，由此产⽣了 GB2312, BIG5, JIS 等各⾃的编码标准。这些使⽤ 2 个字节来代表⼀个字符的各种汉字延伸编码⽅式，称为 ANSI 编码)标准中，都只规定了各⾃语⾔所需的“字符”。⽐如：汉字标准(GB2312)中没有规定韩国语字符怎样存储。这些 ANSI 编码标准所规定的内容包含两层含义：
1.使⽤哪些字符。也就是说哪些汉字，字母和符号会被收⼊标准中。所包含“字符”的集合就叫做“字符集”。
2.规定每个“字符”分别⽤⼀个字节还是多个字节存储，⽤哪些字节来存储，这个规定就叫做“编码”。
各个国家和地区在制定编码标准的时候，“字符的集合”和“编码”⼀般都是同时制定的。因此，平常我们所说的“字符集”，⽐如：
GB2312, GBK, JIS 等，除了有“字符的集合”这层含义外，同时也包含了“编码”的含义。
“UNICODE 字符集”包含了各种语⾔中使⽤到的所有“字符”。⽤来给 UNICODE 字符集编码的标准有很
多种，⽐如：UTF-8, UTF-16, UnicodeLittle, UnicodeBig 等。
⼆、从计算机对多国语⾔的⽀持⾓度看，⼤致可以分为三个阶段：
系统内码 说明 系统
阶段⼀ ASCII 计算机刚开始只⽀持英语，其它语⾔不能够在计算机上存储和显⽰。 英⽂ DOS
阶段⼆ ANSI编码
(本地化) 为使计算机⽀持更多语⾔，通常使⽤ 0x80~0xFF 范围的 2 个字节来表⽰ 1 个字符。⽐如：汉字 '中' 在中⽂操作系统中，使⽤[0xD6,0xD0] 这两个字节存储。
不同的国家和地区制定了不同的标准，由此产⽣了 GB2312, BIG5, JIS 等各⾃的编码标准。这些使⽤ 2 个字节来代表⼀个字符的各种汉字延伸编码⽅式，称为 ANSI 编码。在简体中⽂系统下，ANSI 编码代表 GB2312 编码，在⽇⽂操作系统下，ANSI 编码代表 JIS 编码。
不同 ANSI 编码之间互不兼容，当信息在国际间交流时，⽆法将属于两种语⾔的⽂字，存储在同⼀段 ANSI 编码的⽂本中。 中⽂ DOS，中⽂ Windows 95/98，⽇⽂ Windows 95/98
阶段三 UNICODE
(国际化) 为了使国际间信息交流更加⽅便，国际组织制定了 UNICODE 字符集，为各种语⾔中的每⼀个字符设定了统⼀并且唯⼀的数字编号，以满⾜跨语⾔、跨平台进⾏⽂本转换、处理的要求。

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。