- Java文件編譯成Class文件，是由Java編譯器處理的，windows上是javac.exe，生成的文件編碼是Unicode編碼。
- Class文件加載到JVM的時候，就是JVM讀取Class文件的時候是以Unicode編碼讀取的。
Java中默認的編碼方式是Unicode ！
在學習字節流和字符流的時候，突然發現自己對字符集編碼不是很了解，所以特意學習一發，總結ASCII，Unicode，UTF-8的對比。
開始：ASCII編碼
- 計算機內部以二進制位（bit）作為基礎數據，所以就有0和1兩種狀態。
- 八個二進制位（bit）為一個字節（byte），可以組合出256種狀態，每一個狀態對應一個符號共256個符號，從0000000到11111111。
因此在上個世紀60年代，美國制定了一套字符編碼，對英語字符與二進制位之間的關系，做了統一規定。這被稱為ASCII碼，一直沿用至今。
ASCII碼一共規定了128個字符的編碼，比如空格"SPACE"是32（二進制00100000），大寫的字母A是65（二進制01000001）。這128個符號（包括32個不能打印出來的控制符號），只占用了一個字節的后面7位，最前面的1位統一規定為0。
混亂：非ASCII編碼
因為英語128個符號就可以了，但是其他國家是遠遠不夠的，語言系統完全不一樣。所以他們各自都很聰明，利用字節中閑置的最高位編入新的符號。比如，法語中的é的編碼為130（二進制10000010）。這樣一來，這些歐洲國家使用的編碼體系，可以表示最多256個符號。
編碼很混亂
各個國家自己擴展了自己語言系統的編碼，於是全球出現無數種亂七八糟的編碼。比如說下中國：
- 等中國人們得到計算機時，已經沒有可以利用的字節狀態來表示漢字，況且有6000多個常用漢字需要保存呢。於是國人就自主研發出“GB2312″，GB2312 是對 ASCII 的中文擴展。
- 但是中國的漢字太多了，后來還是不夠用，於是擴展之后的編碼方案被稱為 GBK 標准，GBK 包括了 GB2312 的所有內容，同時又增加了近20000個新的漢字（包括繁體字）和符號。
- 后來少數民族也要用電腦了，於是我們再擴展，又加了幾千個新的少數民族的字，GBK 擴成了 GB18030。從此之后，中華民族的文化就可以在計算機時代中傳承了。
統一：Unicode編碼
- 一個叫 ISO （國際標誰化組織）的國際組織決定着手解決這個問題。
- 采用的方法很簡單：廢了所有的地區性編碼方案，重新搞一個包括了地球上所有文化、所有字母和符號的編碼！
- 他們打算叫它”Universal Multiple-Octet Coded Character Set”，簡稱 UCS, 俗稱 “UNICODE”。
但是呢，Unicode只是一個符號集，它只規定了符號的二進制代碼，卻沒有規定這個二進制代碼應該如何存儲。所以實際上這個Unicode只是一個字符的協議文檔，具體的實現是由各自實現的，所以衍生出UTF-8，UTF-16，UTF-32。
- UTF-8：就是它是一種變長的編碼方式。它可以使用1~4個字節表示一個符號，根據不同的符號而變化字節長度。
- UTF-16：字符用兩個字節或四個字節表示
- UTF-32：字符用四個字節表示
注意：
(1) utf-8 中漢字占三個字節。
(2) Java中，char型變量是用來存儲Unicode編碼的字符的。
總結一下，他們的關系如圖：
image.png
作者：taojian
鏈接：https://www.jianshu.com/p/483b79197852
來源：簡書
著作權歸作者所有。商業轉載請聯系作者獲得授權，非商業轉載請注明出處。