何為字符編碼（名詞）：計算機中的任何信息它們都以0和1的方式存入計算機並得以處理,這些信息用哪些二進制數字來表示了,就需要一套規則，這套規則就是字符編碼(Character Code),比如，同樣一個字母'A',每種規范里面的表達存儲方式不一樣，ASCII是001，GB2312是002,沒以下都是它的規則，如：ASCII編碼表、GB2312編碼表、GBK編碼（即“國G標B”、“擴K展”前三個漢字的漢語拼音的第一個字母）、GB18030、Unicode編碼、UTF-8編碼等等(理解為一個國家或一個地區的語言包)
為什么需要知道字符編碼：
在顯示器上看見的文字、圖片等信息在電腦里面其實並不是我們看見的樣子，即使 你知道所有信息都存儲在硬盤里，把它拆開也看不見里面有任何東西，只有些盤片。假設，你用顯微鏡把盤片放大，會看見盤片表面凹凸不平，凸起的地方被磁化，凹的地方是沒有被磁化；凸起的地方代表數字1，凹的地方代表數字0。 硬盤只能用0和1來表示所有文字、圖片等信息。那么字母”A”在硬盤上是如何存儲的呢？可能小張計算機存儲字母”A”是1100001，而小王存儲字母”A”是11000010，這樣雙方交換信息時就會誤解。比如小張把1100001發送給小王，小王並不認為1100001是字母”A”，可能認為這是 字母”X”，於是小王在用記事本訪問存儲在硬盤上的1100001時，在屏幕上 顯示的就是字母”X”。也就是說，小張和小王使用了不同的編碼表。小張用的編碼表是ASCII，ASCII編碼表把26個字母都一一的對應到2進制1和0 上；小王用的編碼表可能是EBCDIC,只不過EBCDIC編碼與ASCII編碼中的字母和01的對應關系不同。一般地說，開放的操作系統（LINUX 、WINDOWS等）采用ASCII 編碼，而大型主機系統（MVS 、OS/390等）采用EBCDIC 編碼。在發送數據給對方前，需要事先告知對方自己所使用的編碼，或者通過轉碼，使不同編碼方案的兩個系統可溝通自如。（其實發過來的都是0101010。。。，對方告知所使用的編碼規范(假如是ASCII編碼)，就使用ASCII編碼表找到對應所表達的字符，再將字符通過EBCDIC編碼表找到對應的編碼，然后才能得到本機正常情況下的字符）
這就解釋了亂碼的原因：010101在你那里代表正常的字符，你那邊編碼規范是ASCII編碼，到我這邊來編碼規范是GB2312，編碼表變了，010101代表什么西方字符或者問號等等，於是亂碼文件就產生了
解碼：你用文件編輯軟件打開某個文件，假設里面裝的010101，比如以UTF-8打開，就以UTF-8的語言包去解碼010101，它代表劉德華，比如以GBK解碼的語言包去解碼010101，它代表梁朝偉
編碼：名詞即語言包，動詞的話，就是UTF-8用010101編碼(表示)劉德華，GBK以101010編碼(表示)劉德華
轉碼：比如你之前使用GBK(2、3、4)打開的，現在我需要用UTF-8(5、6、7)打開
public static void convertionString() throws UnsupportedEncodingException{ String s = "任何信息"; //計算機上的任何信息是以010101存在的 1 byte[] b = s.getBytes("gbk");//得到文件以GBK編碼表存在的方式(字節) 2 String sa = new String(b, "gbk");//用GBK編碼表去解碼字節代表什么 3 System.out.println(sa + b.length + "\n"); //GBK編碼下的結果 4 b = sa.getBytes("utf-8");////得到文件以utf-8編碼表存在的方式(字節) 5 sa = new String(b, "utf-8");//用utf-8編碼表去解碼字節代表什么 6 System.err.println(sa + b.length); //utf-8編碼下的結果 7 }
字符編碼的發展
第一階段：ASCII階段，(American Standard Code for Information Interchange， "美國信息交換標准碼"）
計算機當時只支持英語，字符在計算機中都是以0和1的方式存儲的。象a、b、c、d這樣的52個字母（包括大寫）、以及0、1、 2等數字還有一些常用的符號（例如*、#、@等）在計算機中存儲時也要使用二進制數來表示，而具體用哪些二進制數字表示哪個符號，就必須要有一定的規則， 於是美國有關的標准化組織就出台了所謂的ASCII編碼，統一規定了上述常用符號用哪個二進制數來表示。ASCII碼規定每個字符例如 “a”使用1個字節來表示，也就是8位的二進制組合，那么就有00000000-11111111一共256種組合，也就是可以表示256個不同的字符。
其中0-31：是控制字符或通訊專用字符（不可以顯示的字符，其余為可顯示字符），如控制符：LF（換行）、CR（回車）等。
32-126：是字符，其中32是空格，48-57為0-9的阿拉伯數字，65-90為26個大寫英文字母，97-122為26個小寫英文字母，其余的是一些標點符號，運算符號等。
ASSCII共計有128個，從0到127，也就是從00000000-01111111，最高位都是0。
ISO 8859-1它以ASCII為基礎，在空置的0xA0-0xFF的范圍內，加入96個字母及符號，藉以供使用變音符號的拉丁字母語言使用。
第二階段：ANSI編碼階段（American National Standards Institute,美國國家標准學會的標准碼）
ASCII只能表示英文字符，那么其他字符怎么表示呢？漢語是這樣解決的，用兩個ASCII表示一個漢字， 而且不用前面的128個,為什么不用已經在上一篇中介紹了，因為前128個是人家的英文。不能占啊，否則就混亂了。比如漢字“中”在中文操作系統中使用 [0xD6,0xD0] 這兩個字節存儲，為什么呢，這里簡單解釋一下，“中”的區位碼是 54 48 ，那么“中”的，國標碼就是54 48的十六進制+上2020H=5650H，那么“中”的機內碼就是=“中的國標碼+8080H=D6D0H（這都是上一篇的內容，不明白的可以看上一 篇），這樣每個漢字也都有了自己的編碼，漢字編碼解決了，這就是中國的GB2312編碼標准，但是這是中國漢字的編碼，那么其他國家呢？其他的國家的計算 機操作系統中可能把[0xD6,0xD0] 這兩個字節存儲成他們的文字，而不是“中”，不同的國家和地區制定了不同的標准，這些使用 2 個字節來代表一個字符的各種文字延伸編碼方式，稱為 ANSI 編碼。
在簡體中文系統下，ANSI 編碼代表 GB2312 編碼，在日文操作系統下，ANSI 編碼代表 JIS 編碼。不同 ANSI 編碼之間互不兼容，當信息在國際間交流時，無法將屬於兩種語言的文字，存儲在同一段 ANSI 編碼的文本中。
第三階段：Unicode(16進制) 字符集編碼階段（Universal Multiple-Octet Coded Character Set, 通用多八位編碼字符集的簡稱）
為了使國際間信息交流更加方便，國際組織制定了 UNICODE(16進制) 字符集， 為各種語言中的每一個字符設定了統一並且唯一的數字編號，以滿足跨語言、跨平台進行文本轉換、處理的要求。Unicode固然統一了編碼方式，但是它的效率不高，比如UCS-4(Unicode的標准之一)規定用4個字節存儲一個符號，那么每個英文字母前都必然有三個字節是0，這對存儲和傳輸來說都很耗資源。
UCS只是規定如何編碼，並沒有規定如何傳輸、保存這個編碼。
UTF-8：utf(Unicode Translation Format)為了提高Unicode的編碼效率，於是就出現了UTF-8編碼。Unicode規定世界上每個字符對應的編碼號，utf-8定義了如何存儲字符，UTF-8使用可變長度字節來儲存 Unicode字符，例如ASCII字母繼續使用1字節儲存，重音文字、希臘字母或西里爾字母等使用2字節來儲存，而常用的漢字就要使用3字節。輔助平面字符則使用4字節。
UTF-16、UTF-32 都是將數字轉換到程序數據的編碼方案。
java在內存中運算是使用的雙字節字符unicode的編碼方式
內存中對字符串操作其實不用考慮字符集。
只有在讀取到內存中，和輸出時，需要考慮字符集轉換。
http://www.blogjava.net/liuyz2006/articles/385768.html