常见字符集&乱码问题

字符集

常用字符集分类

ASCII及其扩展字符集

作用：表语英语及西欧语言。

位数：ASCII是用7位表示的，能表示128个字符；其扩展使用8位表示，表示256个字符。

范围：ASCII从00到7F，扩展从00到FF。

ISO-8859-1字符集

作用：扩展ASCII，表示西欧、希腊语等。

位数：8位，范围：从00到FF，兼容ASCII字符集。

GB2312字符集

作用：国家简体中文字符集，兼容ASCII。

位数：使用2个字节表示，能表示7445个符号，包括6763个汉字，几乎覆盖所有高频率汉字。

范围：高字节从A1到F7, 低字节从A1到FE。将高字节和低字节分别加上0XA0即可得到编码。

GBK字符集

作用：它是GB2312的扩展，加入对繁体字的支持，兼容GB2312。

位数：使用2个字节表示，可表示21886个字符。

范围：高字节从81到FE，低字节从40到FE。

UNICODE字符集

作用：为世界650种语言进行统一编码，兼容ISO-8859-1。

位数：UNICODE字符集有多个编码方式，分别是UTF-8，UTF-16和UTF-32。

BIG5字符集

作用：统一繁体字编码。

位数：使用2个字节表示，表示13053个汉字。

范围：高字节从A1到F9，低字节从40到7E，A1到FE。

GB18030字符集

作用：它解决了中文、日文、朝鲜语等的编码，兼容GBK。

位数：它采用变字节表示(1 ASCII，2，4字节)。可表示27484个文字。

范围：1字节从00到7F; 2字节高字节从81到FE，低字节从40到7E和80到FE；4字节第一三字节从81到FE，第二四字节从30到39。

UCS字符集

作用：国际标准 ISO 10646 定义了通用字符集 (Universal Character Set)。它是与UNICODE同类的组织，UCS-2和UNICODE兼容。

位数：它有UCS-2和UCS-4两种格式，分别是2字节和4字节。

范围：目前，UCS-4只是在UCS-2前面加了0x0000。

按所表示的文字分类

语言	字符集	正式名称
英语、西欧语ASCII	ISO-8859-1	MBCS 多字节
简体中文	GB2312	MBCS 多字节
繁体中文	BIG5	MBCS 多字节
简繁中文	GBK	MBCS 多字节
中文、日文及朝鲜语	GB18030	MBCS 多字节
各国语言	UNICODE，UCS	DBCS 宽字节

编码间的转换：

要求：要知道当前内容的编码格式和要转换为的编码格式：

示例：

String username = request.getParameter("username").trim();

String password = request.getParameter("password").trim();

获取到的String类型变量：username和password的编码格式为：ISO-8859-1

如何将他们转换成UTF-8编码，不要出现乱码，代码如下：

String parameter = request.getParameter("username");

//获取到参数对应的二进制数

byte[] temp = parameter.getBytes("iso-8859-1");

//通过对应的二进制数 手动编码成utf-8的字符串

String param = new String(temp, "utf-8");

原理：

　　　　相同的内容在计算机中的二进制编码是一样的，所以在不同编码间内容传递时，要想不出现乱码，先将该内容按其原编码转换为二进制序列。然后再将这个二进制序列按照要转换的编码进行翻译，就不会出现乱码。

出现的乱码形式的含义：

?????? ---> 代表字符编码不匹配造成

å¸é¾ ---> 代表没有该编码方式