什么是字符集？？ 严格来说，计算机无法保存电影、音乐、图片、字符……计算机只能保存二进制码。因此电影、音乐、图片、字符都需要先转换为二进制码，然后才能保存。 对于保存字符就简单多了，直接把所有需要保存的字符编号，当计算机要保存某个字符时，只要将该字符的编号转换为二进制码，然后保存起来即可。所谓字符集，就是给所有字符的编号组成总和。
ASCII 最早的字符集叫 American Standard Code for Information Interchange（美国信息交换标准代码），简称 ASCII，由 American National Standard Institute（美国国家标准协会）制定。 1.鼻祖，ascii，7位(bit)范围128 ASCII 字符集总共规定了 128 种字符规范，但是并没有涵盖西文字母之外的字符。范围是0x00 - 0x7F 共128个字符。 2.随之出现扩展ascii,8位范围256 后来发现，如果需要按照表格方式打印这些字符的时候，缺少了“制表符”。于是又扩展了ASCII的定义，使用一个字节的全部8位(bit)来表示字符了，这就叫扩展ASCII码。范围是0x00 - 0xFF 共256个字符。
GB2312、GBK 、GB18030 3.中国最早出现gb-2312，支持中文 GB 2312 就是解决中文编码的字符集，由国家标准委员会发布。 同时考虑到中文语境中往往也需要使用西文字母，GB 2312 也实现了对 ASCII 的向下兼容，原理是西文字母使用和 ASCII 中相同的代码。 但是 GB 2312 只涵盖了 6000 多个汉字，还有很多没有包含在其中，又进行扩展。 4.随之出现gbk,扩展的gb-2312,包含复杂中文和繁体 扩展之后的编码方案被称为 GBK 标准，GBK包括了GB2312 的所有内容，同时又增加了近20000个新的汉字（包括繁体字）和符号。 5.进一步扩展GB18030，后来少数民族也要用电脑了，于是我们再扩展，又加了几千个新的少数民族的字，GBK扩成了 GB18030。 从此之后，中华民族的文化就可以在计算机时代中传承了。 中国的程序员们看到这一系列汉字编码的标准是好的，于是通称他们叫做 “DBCS“（Double Byte Charecter Set 双字节字符集）。
Unicode 6.统一全球，出现unicode标准字符集 统一规定2个字节表示一个字符。 Unicode之前，世界各个国家都有自己的编码标准，导致国家与国家之间的编码转换很有问题。 为了把全世界人民所有的所有的文字符号都统一进行编码，于是一个叫 ISO （国际标谁化组织）的国际组织制定了”Universal Multiple-ctet Coded Character Set”，简称 UCS, 俗称 “unicode“。 如何表示Unicode的字符？通常会用“U+”一组十六进制的数字来表示这一个字符。 UNICODE 的范围是 0x0000 - 0xFFFF 共6万多个字符，其中光汉字就占用了4万多个。 对于ASCII里的那些英文“半角”字符，其原编码不变，只是将其长度由原来的8位扩展为16位，高位补0，而其他文化和语言的字符则全部重新统一编码。这种大气的方案在保存英文文本时会多浪费一倍的空间。 这样全世界任何一个地区的软件，可以不用修改地就能在另一个地区运行了。虽然我用 IE 浏览日本网站，显示出我不认识的日文文字，但至少不会是乱码了。
unicode 的三种表现形式：&#、&#x、\u 参考链接: link. 如：
{ "a":""}可以表示为：
{    "a":""} {    "a":""} //这是unicode编码在html中的一种表示方法，即"&#+unicode编码的十进制数+;". \u007b\u0020\u0020\u0020\u0020\u0022\u0061\u0022\u003a\u0022\u0022\u007d字符编码 UTF-8: 7.UTF-8 是「编码规则」 UTF是“Unicode Transformation Format”的缩写，可以翻译成Unicode字符集转换格式，即怎样将Unicode定义的数字转换成程序数据。
字符统一成Unicode编码，乱码问题从此消失了。但是Unicode只是一个 Character Set(字符集)。字符集只是给所有的字符一个唯一编号，但是却没有规定如何存储。Unicode最常用的是用两个字节表示一个字符，如果你写的文本基本上全部是英文的话，用Unicode编码比ASCII编码需要多一倍的存储空间，在存储和传输上就十分不划算。
用什么规则存储 Unicode 字符就成了关键。
unicode和ascii是一种编码方式。UTF-8，UTF-16等是一种存储方式，在存储和传输上节约空间、提高性能的一种编码形式。 在Unicode中，我们有很多方式将字符表示成程序中的数据，包括：UTF-8、UTF-16、UTF-32。
例如，“汉字”对应的数字是0x6c49和0x5b57，而编码的程序数据是： char data_utf8[] = {0xE6,0xB1,0x89,0xE5,0xAD,0x97}; //UTF-8编码 char16_t data_utf16[] = {0x6C49,0x5B57}; //UTF-16编码 char32_t data_utf32[] = {0x00006C49,0x00005B57}; //UTF-32编码我们可以规定，一个字符使用四个字节存储，也就是 32 位，这样就能涵盖现有 Unicode 包含的所有字符，这种编码方式叫做 UTF-32（UTF 是 UCS Transformation Format 的缩写）。UTF-32 的规则虽然简单，但是缺陷也很明显很浪费空间，假设使用 UTF-32 和 ASCII 分别对一个只有西文字母的文档编码，前者需要花费的空间是后者的四倍（ASCII 每个字符只需要一个字节存储）。
在存储和网络传输中，通常使用更为节省空间的"变长编码方式" UTF-8。UTF-8是一套以 8 位为一个编码单位的可变长编码。会将一个码位编码为1-6个字节，常用的英文字母被编码成1个字节，汉字通常是3个字节，只有很生僻的字符才会被编码成4-6个字节。 比如：一个编号为 65 的字符，只需要一个字节就可以存下，但是编号 40657 的字符需要两个字节的空间才可以装下，而更靠后的字符可能会需要三个甚至四个字节的空间。 UTF-8 的编码规则如下（U+ 后面的数字代表 Unicode 字符代码）：
Unicode编码(十六进制) UTF-8 字节流(二进制) U+ 0000 ~ U+ 007F: 0XXXXXXX U+ 0080 ~ U+ 07FF: 110XXXXX 10XXXXXX U+ 0800 ~ U+ FFFF: 1110XXXX 10XXXXXX 10XXXXXX U+10000 ~ U+1FFFF: 11110XXX 10XXXXXX 10XXXXXX 10XXXXXX可以看到，UTF-8 通过开头的标志位位数实现了变长。对于单字节字符，只占用一个字节，实现了向下兼容 ASCII，并且能和 UTF-32 一样，包含 Unicode 中的所有字符，又能有效减少存储传输过程中占用的空间。
汉字： 知 Unicode码： 30693 Unicode码的十六进制表示为： 0x77E5 根据utf-8的上表中的编码规则,「知」字的码位U+77E5属于第三行的范围:所以需要3个字节(byte) 7 7 E 5 0111 0111 1110 0101 二进制的 77E5 -------------------------- 1110XXXX 10XXXXXX 10XXXXXX 模版（由77E5范围，取上表第三行） 0111 011111 100101 由模板调整77E5二进制的结构 11100111 10011111 10100101 代入模版 E 7 9 F A 5 转化回16进制 这就是将 U+77E5 按照 UTF-8 编码为字节序列 E79FA5 的过程。反之亦然。乱码： 为什么会出现乱码呢？ 因为在文件 存的格式 和 读取格式 不一致就会乱码了。 简单的说乱码的出现是因为： 编码 （encode） 和 解码（decode） 时用了不同或者不兼容的字符集。
encode的作用：是将unicode编码的字符串编码成二进制数据。
如：str2.encode('utf-8'),表示将unicode编码的字符串编码成utf-8。decode的作用：是将二进制数据解码成unicode编码。 简单的来说：decode就是把二进制数据(bytes)转化成人看的懂得英文或者汉字(decode用的比较多)
如：str1.decode('utf-8'),表示按utf-8编码将字符串解码成unicode编码。在计算机内存中，统一使用Unicode编码，保存到硬盘/传输的时候，就转换为UTF-8编码。 例如：
用记事本编辑的时候，从文件读取的UTF-8字符被转换为Unicode字符到内存里，编辑完成后，保存的时候再把Unicode转换为UTF-8保存到文件。浏览网页的时候，服务器会把动态生成的Unicode内容转换为UTF-8再传输到浏览器：我们平常在做编码转换时候，通常用unicode作为中间编码。先将其他编码的字符串解码(decode)成unicode,再从unicode编码(encode)成另一种编码格式。 String urlString = "TOP 好的";//TOP 好的 urlString = URLEncoder.encode(urlString, "utf-8");//encode:--->TOP+%E5%A5%BD%E7%9A%84 urlString = URLDecoder.decode(urlString, "utf-8");//decode:--->TOP 好的 String.getBytes(Stringdecode)方法会根据指定的encode编码返回某字符串在该编码下的byte数组表示 byte[] b_utf8 = "知".getBytes("UTF-8"); // b_utf8的长度为3 11100111 10011111 10100101 [-25, -97, -91] 只是没有转化成16进制，而是有符号的十进制 byte[] b_gbk = "知".getBytes("GBK"); [-42, -86] byte[] b_unicode = "知".getBytes("unicode"); // b_unicode长度为4 [-2, -1, 119, -27] byte[] b_iso88591 = "知".getBytes("ISO8859-1");// b_iso88591的长度为1 [63] 所有中文都是这个数值，因为不识别 通过new String(byte[], decode)，根据指定的decode编码来将byte[]解析成字符串。 String s_gbk = new String(b_gbk, "GBK"); 知 String s_utf8 = new String(b_utf8, "UTF-8"); 知 String s_iso88591 = new String(b_iso88591, "ISO8859-1"); ? encode都是不对的，decode指定是错的 String s_unicode = new String(b_unicode, "unicode"); 知 为了让中文字符适应某些特殊要求（如http header头要求其内容必须为iso8859-1编码），可能会通过将中文字符按照字节方式来编码的情况 String aaa = new String("知".getBytes("UTF-8"), "ISO8859-1"); 把 '知' 按照 UTF-8 encode ---> [-25, -97, -91] 再按照 ISO8859-1 decode 成 乱码'知' String bbb = new String(aaa.getBytes("ISO8859-1"), "UTF-8"); 把乱码'知' 按照 ISO8859-1 encode ---> [-25, -97, -91], 再按照 UTF-8 decode. 在开发时会检查字符长度，以免数据库字段的长度不够而报错，考虑到中英文的差异， 肯定不能用String.length()方法判断,而需采用String.getBytes().length; 还可以用指定编码方式查看长度：String.getBytes("GBK").length Set<String> charsetNames = Charset.availableCharsets().keySet(); System.out.println("-----the number of jdk1.67's charset is " + charsetNames.size() + "-----"); for (Iterator it = charsetNames.iterator(); it.hasNext();) { String charsetName = (String) it.next(); System.out.println(charsetName); }字节 字符： 字节（Byte）:指一小组相邻的二进制数码，二进制数据的单位。 一个字节通常8位长，是一个很具体的存储空间。0x01， 0x45， 0xFA…… 字符:是指计算机中使用的字母、数字、字和符号，通俗的说就是人们使用的记号，抽象意义上的一个符号。包括：1、2、3、A、B、C、~！·#￥%……—*（）+等等。
数据存储是以“字节”（Byte）为单位：B、KB、MB、GB、TB 数据传输大多是以“位”（bit，又名“比特”）为单位。一个位就代表一个0或1，每8个位组成一个字节。 字节（Byte，简写为B）是基本单位。 位（bit，简写为b）是表示信息的最小单位。
不同编码标准里，字符和字节的对应关系不同。
ASCII码中：
一个英文字母（不分大小写）占一个字节的空间；一个中文汉字占两个字节的空间。Unicode编码中：
一个英文字符等于两个字节；英文标点占一个字节；一个中文（含繁体）等于两个字节；中文标点占两个字节.UTF-8编码中：
一个英文字符等于一个字节；英文标点占一个字节一个中文（含繁体）等于三个字节中文标点占三个字节，UTF-16编码中：
一个英文字母字符需要2个字节一个汉字字符存储需要2个字节（Unicode扩展区的一些汉字存储需要4个字节）。UTF-32编码中：
世界上任何字符的存储都需要4个字节。基本数据类型
