java的字符概念

1.一个汉字占用的字节：

        一般，GBK编码占用2个字节；UTF-8编码占用3个字节(而英文字符的这两种编码都是1个字节！)

2.UTF-8编码：

        就是Unicode字符集的最重要实现方式(另外还有utf-16、utf-32等)之一。UTF-8不是固定字长编码的，而是一种变长的编码方式。它可以使用1~4个字节表示一个符号，根据不同的符号而变化字节长度。

3.Unicode、UTF-8编码、其他编码方式等可参考：

        https://www.cnblogs.com/skynet/archive/2011/05/03/2035105.html

        https://www.cnblogs.com/hongdada/p/9901246.html

        统一码_百度百科

4.Unicode字符集

        有ucs-2、ucs-4版本，但一般用ucs-2版本，用两个字节可以表示最常用的六万多个字符，参见：     

        https://www.zhilian.host/zhidao/gp1njn70d.html

5.UTF-8国际通用为什么还要用GBK?

        (1)一个是历史原因，UTF-8编码是逐渐发展起来的，而GBK编码更早；

        (2) UTF-8的通用性更好，但比GBK占用更多的字节。

6.乱码：

        主要原因是编码和解码的方式不一样；

        (1)编码：把字符用编写成字节；

        (2)解码：把字节解析成字符。

   处理乱码的示例：

//基础：编码以字节的形式存在

//给定字符串
String str = "上海";
//获取平台默认字符集编码的byte数组
byte[] b = str.getBytes();
//展示byte数组
System.out.println(str + "\n默认的编码为：" + Arrays.toString(b));

//以iso8859-1解码，发现是乱码
String s = new String(b, "iso8859-1");
System.out.println("iso8859-1解码为：" + s);

//获取乱码的底层编码
byte[] b1 = s.getBytes("iso8859-1");
System.out.println(s + "与之对应的iso8859-1编码形式：" + Arrays.toString(b1));

//以平台默认的utf-8解码，发现展示正确了~
String s1 = new String(b1, StandardCharsets.UTF_8);
System.out.println(s1);

//处理分析：虽然解码的形式多样、不统一，但只要回到底层的编码，用一致的解码方式去解码就可以正确展示字符串了

7.java 字节流和字符流的区别       

        java专门把流划分了字节流、字符流。 虽然它们的本质都是字节，但是字符流的api还做了对字节的编码、解码的操作。

8.Base64编码

 可参考《计算机网络原理-第6版》275-277页 的base64的出现原因。

大致意思是：最开始SMTP(简单邮件传输协议)只能传输ASCII码编写的文本字符，无法传输图片、视频等二进制文件；

此外，即使是ASCII码，0-32的控制字符（非打印字符）在传输过程可能被特殊处理掉。

后来为解决此问题，MIME(Multipurpose Internet Mail Extensions)多用途因特网邮件扩充标准被提出。

Http（超文本传输协议）本身只能传输ASCII码文本字符，但是后来也支持了MIME。因此，二进制经过Base64编码成一组64ASCII码组成的字符后，Http也能比变相传输二进制文件了。

9.URLEncode编码

     专门给URL编码的。url 在定义时，只支持 ASCII字符，所以 url 的发送方与接收方都只能处理 ASCII字符。所以url 中有非ASCII字符、特殊时就需要编码转换。

参考文档：

（1）为什么需要urlEncode - 简书 Http网络基础之URLEncode | 罗晨汛

（2）《计算机网络原理-第6版》第275-277页