Java-数据类型与编码（ASCII、Unicode 和 UTF-8）

机械硬盘硬件结构（了解）https://diy.pconline.com.cn/cpu/study_cpu/1009/2215404_all.html

一、数据储存单位

1.bit（位）

https://www.bilibili.com/video/av55918101

计算机数据在硬盘中，以机械硬盘为例，其内部由磁性材料制成。磁极有 N\S 两级，可表示两种状态。可以看成 0/1。这是计算机最小储存单位，称为位。

2.Byte（字节）

一块磁盘中有许多这样的小磁块，可以表示许多 0/1。而 0/1 正好可以表示二进制数。

单单看一个二进制数并没有什么价值。上个世纪 60 年代，美国制定了一套字符编码，对英语字符与二进制数之间的关系，做了统一规定。这被称为 ASCII 码，一直沿用至今。

ASCII 码一共规定了 128 个字符的编码。如空格（SPACE）是 32（00100000），大写字母 A 是 65（01000001）。这 128 个符号（包括 32 个不能打印出来的控制符号），只占用了一个字节的后面 7 位，最前面的一位统一规定为 0。

ASCII 码中 1 Byte = 8 bit，后来也就默认一字节等于八位了。

二、编码

1.字符

字符并不是一个储存单位，而是一个语言符号。由此来引出码表与编码问题。

英语用 128 个符号使用 ASCII 码表就够了，但是用来表示其他语言，128 个符号是不够的。

简体中文常见的码表是 GB2312，使用两个 Byte 表示一个汉字，所以理论上最多可以表示 256 x 256 = 65536 个符号。

2.Unicode 码表

世界上这么多国家，存在着多种码表，同一个二进制数字可以被解释成不同的符号。因此，要想打开一个文本文件，就必须知道它对应的码表，否则用错误的码表解读，就会出现乱码。

可以想象，如果有一种编码，将世界上所有的符号都纳入其中。每一个符号都给予一个独一无二的编码，那么乱码问题就会消失。这就是 Unicode，是一种所有符号的码表。

Unicode 现在的规模可以容纳 100 多万个符号。每个符号的编码都不一样。如，U+0041 表示英语的大写字母 A，U+4E25 表示汉字严（具体的符号对应表，可以查询 unicode.org，或者专门的汉字对应表）。

以往一套码表对应一种编码方式。如 ASCII 中 8 bit 为一个字符，GB2312 中 16 bit 为一个字符。用了 Unicode 后就不行了，靠前的字符二进制数值小，靠后的字符二进制数值大。

若全部以最长字符的位数去编码，那靠前的字符就会出现许多 0 填充，造成了许多空间浪费。所以用了 Unicode 码表后，计算机要以多少位去编码就是一个问题。

3.UTF-8 编码（由 RFC 3629 定义）

首先 UTF-8 是 Unicode 的实现方式之一。其它实现方式还有 UTF-16（（UCS-2）字符用两个字节或四个字节表示）和 UTF-32（（UCS-4）字符用四个字节表示）

UTF-8 最大的一个特点，就是它是一种变长的编码方式。它使用 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。

UTF-8 的编码规则很简单，只有二条：

对于单字节的符号，字节的第一位设为 0，后面 7 位为这个符号的 Unicode 码。因此对于英语字母，UTF-8 编码和 ASCII 码是相同的。
对于 n（n > 1）字节的符号，第一个字节的前 n 位都设为 1，第 n + 1 位设为0，后面字节的前两位一律设为 10。剩下的没有提及的二进制位，全部为这个符号的 Unicode 码。

下表总结了编码规则，字母 x 表示可用编码的位。

Unicode符号范围      |       UTF-8编码方式

(十六进制)           |           （二进制）

--------------------+---------------------------------------------

0000 0000-0000 007F | 0xxxxxxx

0000 0080-0000 07FF | 110xxxxx 10xxxxxx

0000 0800-0000 FFFF | 1110xxxx 10xxxxxx 10xxxxxx

0001 0000-0010 FFFF | 11110xxx 10xxxxxx 10xxxxxx 10xxxxxx

以汉字严为例

严的 Unicode 是 4E25（100111000100101）
根据上表，4E25 处在第三行的范围内（0000 0800 - 0000 FFFF），因此严的 UTF-8 编码需要三个字节，即格式是 1110xxxx 10xxxxxx 10xxxxxx。
从严的最后一个二进制位开始，依次从后向前填入格式中的 x，多出的位补 0。这样就得到了严的 UTF-8 编码 11100100 10111000 10100101，转换成十六进制就是 E4B8A5。

三、Java 基本数据类型

关于 boolean 型存储

Java 虚拟机中会将 boolean 映射到 int，使用 1 来表示 true，0 表示 false。

即 boolean 型占用 1 bit。

https://docs.oracle.com/javase/specs/jvms/se8/html/jvms-2.html#jvms-2.3.4

关于浮点型范围

https://blog.csdn.net/shichimiyasatone/article/details/85276316

关于自动拆装箱

https://www.cnblogs.com/dolphin0520/p/3780005.html

关于类型转换

当在计算中有不同精度的数时，Java 会将低精度的操作数转换成高精度的操作数，然后进行运算。运算的结果也是高精度的值。
将一个高精度的值转换成低精度值的时，要确定这个高精度类型变量的值是否能够在低精度中表示。
低精度到高精度为自动类型转换（(byte，short，char)--int--long--float--double）
高精度到低精度为强制类型转换

https://docs.oracle.com/javase/specs/jls/se8/html/jls-4.html#jls-4.2.1

https://docs.oracle.com/javase/tutorial/java/nutsandbolts/datatypes.html

http://www.ruanyifeng.com/blog/2007/10/ascii_unicode_and_utf-8.html

http://www.ruanyifeng.com/blog/2014/12/unicode.html