一直以來，對於幾種編碼方式我一直很困惑，弄不清它們之間的關係，最近在學習hadoop裡的text類時又涉及到了編碼的問題，因此我索性抽點時間來簡單研究一下幾種編碼，下面是我的簡要總結。
計算機裡，所有的資訊最終是以二進位制的0或1來進行儲存的，同樣的，在計算機裡，字元最終也是要用0和1來進行儲存，那麼究竟要怎麼表示呢？我們可以這樣，設立乙個標準，給每個字元設定乙個唯一的編號，而這個編號正是可以用計算機裡的0和1來表示的。例如，我們知道1個位元組有8個位元位，這8個位元位就可以表示0~255這256個數，那麼我們就可以讓這256個數分別唯一對應乙個字元，那麼就可以表示256個字元了。其中，每個字元對應的數字就是這個字元的編碼。
（1）ascii碼簡介
ascii碼是美國人制定的一套字元編碼，它對英語字元與二進位制位之間的關係進行了統一規定。ascii碼一共規定了128個字元的編碼（其中由32個是不能列印出來的控制符號），例如字母a的ascii碼對應的十進位制表示為65，二進位制表示為01000001。ascii碼只占用了乙個位元組的後面7位，位元組的第一位統一規定為0.
（2）ascii碼的編碼方式：
位元組的首位為0，後面7位為字元對應的ascii編碼。
對於英文來說，用128個字元就足夠編碼，但對於其他語言，例如中文，哪怕是乙個位元組的8位全部使用，也就是有256種表示，也遠遠不夠，因此往往需要多個位元組來對符號進行表示，這時就無法再繼續使用ascii編碼，而要採取其他編碼方式。
unicode是乙個符號集，它將世界上所有的符號都納入其中，每個符號對應乙個碼點，且每個碼點都被給予了乙個獨一無二的編碼，即碼點值。unicode只是乙個符號集，它只規定了乙個符號對應的二進位制**，但並沒有規定怎麼進行儲存，這就需要有統一的編碼方式來實現unicode，目前的實現方式包括utf-8、utf-16、utf-32等。
（1）utf-8簡介
utf-8是一種編碼方式，它用來實現unicode。utf-8是目前網際網路上使用最廣的一種unicode的實現方式。
（2）utf-8的編碼規則：
a. 對於單位元組的符號，位元組的第一位設為0，後面7位為這個符號的unicode碼。因此對於英文本母，其utf-8編碼與ascii編碼是一樣的。
b. 對於n個位元組（n > 1）的符號，第乙個位元組的前n位設定為1，第n+1位設定為0，後面的每個位元組前2位設定為10，剩下的沒有提及的二進位制位，就是該符號對應的unicode碼，位高低順序也相同。
下表對utf-8編碼進行了總結：
下面以漢字「好」（unicode是\u597d，對應的二進位制表示為0101100101111101）為例介紹如何利用utf-8對unicode進行編碼：
a. 由上表可以知道，該unicode應該採用3個位元組來編碼，因此第乙個位元組的開頭應該是1110，第
二、三個位元組則是以10開頭，因而可以得到其utf-8的格式應該是1110***x 10****** 10******；
b. 從該unicode二進位制表示的最後乙個二進位制位開始，從後往前依此填充上述的x，最後得到的結果就是 11100101|10100101|10111101，十六進製制表示就是e5a5bd.
字元常見的幾種編碼方式
分類 jsp溫故而知新 2013 12 05 11 19 906人閱讀 收藏 舉報 無論在是在編輯文字檔案的時候，還是在製作網頁的時候，總會遇到文字編碼方式的問題。如果處理不當，就會出現亂碼的問題。因此，有必要對文字的編碼方式做乙個詳盡的了解。常見的一些字元編碼方式無非有 unicode ascii...
字元常見的幾種編碼方式
不管在是在編輯文字檔案的時候，還是在製作網頁的時候，總會遇到文字編碼方式的問題。假設處理不當，就會出現亂碼的問題。因此，有必要對文字的編碼方式做乙個詳盡的了解。常見的一些字元編碼方式無非有 unicode ascii gbk gb2312 utf 8。以下先對常見的這一些字元編碼方式作下說明 1.a...
字元常見的幾種編碼方式
無論在是在編輯文字檔案的時候，還是在製作網頁的時候，總會遇到文字編碼方式的問題。如果處理不當，就會出現亂碼的問題。因此，有必要對文字的編碼方式做乙個詳盡的了解。常見的一些字元編碼方式無非有 unicode ascii gbk gb2312 utf 8。下面先對常見的這一些字元編碼方式作下說明 1.a...