编码与解码
学习视频地址http://yun.itheima.com/course/638.html
1、什么是编码与解码
在计算机中存储着都是二进制的字符（0,1)，自然语言的字符通过编码表来沟通计算机和人类之间的语言。比如字母A在ASCII编码表中是65，又对应着二进制0110 0001。这样程序输入A，通过编码表A对应着的65找到二进制0110 0001再解释给计算机。反之也是一样。
2、ASCII
ASCII编码是计算机发明之初发明的编码表，只考虑了美国的需求，大概只需要128个字符。128个字符刚好7个字符就可以表示，ASCII中则最高位为0，剩下7位表示字符，这7位可以看作数字0-127，ASCII编码中规定了0-127分别代表什么含义。
image.png
char a=33;
System.out.println(a);//!
3、ISO-8859-1编码
ISO-8859-1编码用来表示西欧的一些字符（ISO-8859-1收录除了ASCII收录的字符外，还包括西欧语言、希腊语、泰语、阿拉伯语、希伯来语对应的文字符号），其中0-127 与ASCII编码表示的一样（兼容ASCII）128-255规定了不同的涵义。
4、windows-1252
windows-1252也是西欧的一套编码，虽然ISO-8859-1编码号称是标准，但是由于出来的较早，连欧元€这个字符都没有，所以更广泛用的实际上是windows-1252编码，windows-1252和ISO-8859-1基本一致，区别在于ISO-8859-1中128-159都用来表示控制字符，而windows-1252中使用了一些数字表示可打印字符，windows-1252加入了欧元€字符和一些其他常用字符，基本上可以看作ISO-8859-1已经被windows-1252所代替。一些文件的声明即使是ISO-8859-1编码，解析的时候仍然应该使用windows-1252解析。
5、GB2312
中文的第一个标准是GB2312，针对的主要是常见的中文简体字，不包括罕见字和繁体字。GB2312固定使用2个字节表示字符，两个字节中最高位都是1，如果是0就认为ASCII字符
6、GBK
GBK建立在GB2312的基础上，向下兼容GB2312，新增了一万四千多字，包括繁体字
7、GB18030
GB18030向下兼容GBK,增加了五万五千多个字符，包含了很多少数民族字符，还包括中日韩统一字符，
8、兼容和乱码
String b=new String("恒".getBytes("GB2312"),"GBK");
System.out.println(b);
GBK是兼容GB2312的，所以即使用GB2312编码，然后用GBK解码。也不会乱码。
String b=new String("橫".getBytes("GB2312"),"GB2312");
System.out.println(b);
GB2312中没有繁体字的，所以繁体字即使用GB2312进行编码，然后用GB2312解码也会乱码。因为使用"橫".getBytes("GB2312")进行编码的时候根本就找不到对应的编码号。解码的时候自然就会乱码了。
String b=new String("橫".getBytes("GBK"),"GB2312");
System.out.println(b);
这样也会乱码，GBK中虽然有繁体字的编码，但是GB2312解码时却是找不到这个编码号的（因为GB2312中不存在繁体字），自然这样虽然可以使用GBK编码，但是使用GB2312解码时也会乱码。
9、Unicode
世界上存在着太多国家的字符，每个国家的计算机厂商都只对自己的国家常用的字符进行了编码，这样就出现了太多的编码，且互相不兼容。Unicode统一了世界上所有的字符进行编码。Unicode给世界上所有字符都给了一个数字编码，但是Unicode没有规定这个数字编码对应着的二进制编号。而需要将这个Unicode分配的数字编码转换成计算机能够存储的二进制码，需要通过UTF-8/UTF-16/UTF-32进行转换。
10、UTF-32
UTF-32就是字符编号的整数二进制形式，四个字节。但每个字符都使用四个字节非常的浪费空间，所有很少采用。
11、UTF-16
Unicode编码相当于一本很厚的字典，这么多字符不是一次性定义的，分区定义，每个区可以存放65536个字符，称为一个平面，目前总共有17个平面。
最前面的65536个字符位，称为基本平面，所有最常见的字符都放在这个平面当中，16进制的范围就是U+0000-U+FFFF（0-65535）。剩下的字符都放在辅助平面。码点范围从U+010000到U+10FFFF。
UTF-16介于UTF-32和UTF-8之间，结合了定长和变长的特点。编码规则是：基本平面的字符占用2个字节（U+0000到U+FFFF），辅助平面的字符占用四个字节(U+010000到U+10FFFF，额用计算器看了一下10FFFF换算成二进制是3个字节啊。为什么资料上都说是4个字节？)。
为了将utf-16d两个字节的编码和四个字节的编码区分出来，Unicode的设计者将0xD800-0xDFFF（55296-57343）保留下来，并称为代理区。
复制平面的字符一共有2^20个字符。因此表示 辅助字符至少需要20个二进制位。Unicode将这个20个二进制位分成两半，前10位映射到U+D800到U+DBFF（55296-56319），称为高代理位，后10位映射到U+DC00-U+DFFF（56320-57343）称为低代理位，这意味着，一个辅助平面的字符被拆分成两个基本平面字符表示。
如果Unicode码>=10000(65536)，则说明他是辅助平面的字符，险将u=u-0x10000,然后将u写成二进制形式：yyyy yyyy yyxx xxxx xxxx，u的utf-16编码（二进制就是）110110yyyyyyyyyy 110111xxxxxxxxxx。这里将二进制分成了2份，第一份时高代理位，第二份时低代理位。
为什么高代理位的前6位要补110110 ,低代理位的前6位要补110111呢？
因为高代理位：110110yyyyyyyyyy 最大最小的范围为1101100000000000-1101101111111111，即对应着16进制0xD800-0xDBFF，后两个字节的取值范围（二进制）是1101110000000000-1101111111111111即对应着16进制是0xC00-0xDFFF。（这样也解释了我前面一个疑惑，为什么前面说UTF-16辅助字符是四个字节，因为高代理位，和低代理位补了数字 这样 12+20 也就是4个字节的位数！）
12、UTF-8
image.png
英文和数字都使用一个字节，并且兼容ASCII码，而常见的中文汉字一般都在第三个，也就是使用3个字符表示。
utf-8兼容ASCII码，而utf-16和utf-32是不兼容ASCII码的。
13、getBytes方法
str.getBytes()方法可以指定通过什么编码方式进行编码str.getBytes("GBK")，如果不在形参中指定编码格式是通过jvm默认的编码方式进行编码，可以通过System.getProperty("file.encoding")来获取到系统默认编码格式！
14、new String()方法。
new String()方法和getBytes方法一样，也可以在形参中指定解码格式new String(bytes,"GBK")；如果不指定也是file.encoding属性的值。
15、ISO-8859-1的妙用
String s="黑马";
byte[] bytes=s.getBytes("GBK");
System.out.println(Arrays.toString(bytes));//[-70, -38, -62, -19]
String str=new String(bytes,"UTF-8");
System.out.println("str="+str);//str=����
//注意由于是使用GBK编码的，但是使用UTF-8解码时，找不到对应的字符，就解析成了四个问号，此时黑马对应的编码已经变了，变成了四个问号的编码
byte[] bytes1=str.getBytes("UTF-8");
System.out.println(Arrays.toString(bytes1));//[-17, -65, -67, -17, -65, -67, -17, -65, -67, -17, -65, -67]
//这时想通过UTF-8再找回字符编码是找不到的，找的是四个问号的字符编码，
String str1=new String(bytes1,"GBK");
System.out.println("str1="+str1);//str1=锟斤拷锟斤拷
妙用ISO-8859-1
String s="黑马";
byte[] bytes=s.getBytes("GBK");
System.out.println(Arrays.toString(bytes));//[-70, -38, -62, -19]
String str=new String(bytes,"ISO-8859-1");
System.out.println("str="+str);
byte[] bytes1=str.getBytes("ISO-8859-1");
System.out.println(Arrays.toString(bytes1));
String str1=new String(bytes1,"GBK");
System.out.println("str1="+str1);//str1=黑马
因为ISO-8859-1每一个字节都对应着一个字符编码（所以不存在找不到相应的字符，从而给一个问号之类的字符编码），不会去改变字节的编码！所以再str.getBytes("ISO-8859-1")时，还是可以找到相应的byte数组，此时再通过正确的解码方式解码，也不会造成乱码！
16、字符输入流原理
public static void main(String[] args) throws IOException {
InputStreamReader isr=new InputStreamReader(new FileInputStream("a.txt"),"UTF-8");
int ch=1;
while((ch=isr.read())!=-1) {
System.out.print((char)ch);
}
isr.close();
}
a.txt中实际存储着的是UTF-8的字节（我的eclipse默认文件编码是UTF-8），你能看到字符实际上是eclipse解码后的结果。
new FileInputStream("a.txt")将a.txt中的字节读取出来，new InputStreamReader(new FileInputStream("a.txt"),"UTF-8")，将a.txt的字节根据UTF-8方式进行解码。
17、获取系统默认编码
当不指定编码，那么使用的是什么编码呢？
log.info("系统默认编码====》"+System.getProperty("file.encoding"));可以使用这行获得，系统默认编码。
