1. 概述

    本文主要包括以下幾個(gè)方面：編碼基本知識(shí)，java，系統(tǒng)軟件，url，工具軟件等。

    在下面的描述中，將以"中文"兩個(gè)字為例，經(jīng)查表可以知道其GB2312編碼是"d6d0 cec4"，Unicode編碼為"4e2d 6587"，UTF編碼就是"e4b8ad e69687".注重，這兩個(gè)字沒有iso8859-1編碼，但可以用iso8859-1編碼來"表示".

    2. 編碼基本知識(shí)

    最早的編碼是iso8859-1，和ascii編碼相似。但為了方便表示各種各樣的語言，逐漸出現(xiàn)了很多標(biāo)準(zhǔn)編碼，重要的有如下幾個(gè)。

    2.1. iso8859-1

    屬于單字節(jié)編碼，最多能表示的字符范圍是0-255，應(yīng)用于英文系列。比如，字母a的編碼為0x61=97.

    很明顯，iso8859-1編碼表示的字符范圍很窄，無法表示中文字符。但是，由于是單字節(jié)編碼，和計(jì)算機(jī)最基礎(chǔ)的表示單位一致，所以很多時(shí)候，仍然使用iso8859-1編碼來表示。而且在很多協(xié)議上，默認(rèn)使用該編碼。比如，雖然"中文"兩個(gè)字不存在iso8859-1編碼，以gb2312編碼為例，應(yīng)該是"d6d0 cec4"兩個(gè)字符，使用iso8859-1編碼的時(shí)候則將它拆開為4個(gè)字節(jié)來表示："d6 d0 ce c4"（事實(shí)上，在進(jìn)行存儲(chǔ)的時(shí)候，也是以字節(jié)為單位處理的）。而假如是UTF編碼，則是6個(gè)字節(jié)"e4 b8 ad e6 96 87".很明顯，這種表示方法還需要以另一種編碼為基礎(chǔ)。

    2.2. GB2312/GBK

    這就是漢子的國(guó)標(biāo)碼，專門用來表示漢字，是雙字節(jié)編碼，而英文字母和iso8859-1一致（兼容iso8859-1編碼）。其中g(shù)bk編碼能夠用來同時(shí)表示繁體字和簡(jiǎn)體字，而gb2312只能表示簡(jiǎn)體字，gbk是兼容gb2312編碼的。

    2.3. unicode

    這是最統(tǒng)一的編碼，可以用來表示所有語言的字符，而且是定長(zhǎng)雙字節(jié)（也有四字節(jié)的）編碼，包括英文字母在內(nèi)。所以可以說它是不兼容iso8859-1編碼的，也不兼容任何編碼。不過，相對(duì)于iso8859-1編碼來說，uniocode編碼只是在前面增加了一個(gè)0字節(jié)，比如字母a為"00 61".

    需要說明的是，定長(zhǎng)編碼便于計(jì)算機(jī)處理（注重GB2312/GBK不是定長(zhǎng)編碼），而unicode又可以用來表示所有字符，所以在很多軟件內(nèi)部是使用unicode編碼來處理的，比如java.

    2.4. UTF

    考慮到unicode編碼不兼容iso8859-1編碼，而且輕易占用更多的空間：因?yàn)閷?duì)于英文字母，unicode也需要兩個(gè)字節(jié)來表示。所以u(píng)nicode不便于傳輸和存儲(chǔ)。因此而產(chǎn)生了utf編碼，utf編碼兼容iso8859-1編碼，同時(shí)也可以用來表示所有語言的字符，不過，utf編碼是不定長(zhǎng)編碼，每一個(gè)字符的長(zhǎng)度從1-6個(gè)字節(jié)不等。另外，utf編碼自帶簡(jiǎn)單的校驗(yàn)功能。一般來講，英文字母都是用一個(gè)字節(jié)表示，而漢字使用三個(gè)字節(jié)。

    注重，雖然說utf是為了使用更少的空間而使用的，但那只是相對(duì)于unicode編碼來說，假如已經(jīng)知道是漢字，則使用GB2312/GBK無疑是最節(jié)省的。不過另一方面，值得說明的是，雖然utf編碼對(duì)漢字使用3個(gè)字節(jié)，但即使對(duì)于漢字網(wǎng)頁，utf編碼也會(huì)比unicode編碼節(jié)省，因?yàn)榫W(wǎng)頁中包含了很多的英文字符。

    3. java對(duì)字符的處理

    在java應(yīng)用軟件中，會(huì)有多處涉及到字符集編碼，有些地方需要進(jìn)行正確的設(shè)置，有些地方需要進(jìn)行一定程度的處理。

    3.1. getBytes（charset）

    這是java字符串處理的一個(gè)標(biāo)準(zhǔn)函數(shù)，其作用是將字符串所表示的字符按照charset編碼，并以字節(jié)方式表示。注重字符串在java內(nèi)存中總是按unicode編碼存儲(chǔ)的。比如"中文"，正常情況下（即沒有錯(cuò)誤的時(shí)候）存儲(chǔ)為"4e2d 6587"，假如charset為"gbk"，則被編碼為"d6d0 cec4"，然后返回字節(jié)"d6 d0 ce c4".假如charset為"utf8"則最后是"e4 b8 ad e6 96 87".假如是"iso8859-1"，則由于無法編碼，最后返回 "3f 3f"（兩個(gè)問號(hào)）。

    3.2. new String（charset）

    這是java字符串處理的另一個(gè)標(biāo)準(zhǔn)函數(shù)，和上一個(gè)函數(shù)的作用相反，將字節(jié)數(shù)組按照charset編碼進(jìn)行組合識(shí)別，最后轉(zhuǎn)換為unicode存儲(chǔ)。參考上述getBytes的例子，"gbk" 和"utf8"都可以得出正確的結(jié)果"4e2d 6587"，但iso8859-1最后變成了"003f 003f"（兩個(gè)問號(hào)）。

    因?yàn)閡tf8可以用來表示/編碼所有字符，所以new String（ str.getBytes（ "utf8" ）， "utf8" ） === str，即完全可逆。