二进制编码到 字符的映射就是字符集

最古老的字符集是ascii

看自己的键盘

A-Z

a-z

0-9

不超过127个，所以，美国人在造计算机的时候，就没考虑到还有其他的字符

所以一个字节可以表示256种值，所以

ascii

0-127来表示，只能用到7位

0xxxx xxxx，最高位始终是0

到了中国，常用汉字3000多，生僻汉字不用说。

1个字节不够表示

用2个字节表示，

0000 0000 0000 0000

1111 1111 1111 1111

0-65535种组合，够用

所以出现了GB2312 字符集

【69 197】   69 和197整个理解还是单理解为E

歧义：因为单字节小于127的值，正好是ascii的值，

如果就严格的2字节绑定，理解为中文，

则gb2312不能识别英文

如何兼容ascii,又能双字节表示中文？

ascii 0-127

干脆gb2312完全不占用0-127，

使用组合来自于

【129-255】【129-255】

但是同时，中文的组合数也少了，只能组合10000+，

事实上，gb2312只能容纳6000多字，

所以出现了gbk

gbk还是双字节，如何扩充容量

答:gbk的第二位，不再局限与129-255，<127也能用

碰到>128的，就在往后找一个字节，2个字节绑定为一个中文，继续找

gbk可存放20000+ 　　

这就是ANSI，代表本地字符集，在中国是gbk，在日本就是jis。

后来就产生了unicode 代表国际化字符集

用4个字节来编号，unicode的实现方式称为utf8，即将Unicode简化后进行传输

unicode与utf-8的关系就像源文件与压缩文件的关系

uft8占几个字节？

1-6个字节，既然为变长，如何确定字符的边界？

最高位有几个1就表示几位

如何截取utf8（各国语言都有），无乱码?

答:从头开始，取一个字节，通过位运算，计算连续的1个字节，

如为0，则截取1个字节，

如为N,  则截取n个字节

从容量上来看，GB2312<GBK<UTF-8

问：gbk中文经常在java中，被准为utf-8,怎么转的？

答：gbk也是和unicode有对应关系的，

gbk->unicode->utf-8

乱码是怎么形成的？

答：1.解码时与实际编码不一致，即解码时用jis,编码时用gbk，可修复

　　使编码与解码一致即可解决

　　2。传输时，编码不一致，导致字节丢失。不可修复

　　如将utf-8传输成gbk