序言
在笔者的开发经历中，字符编码总是一个头疼的问题。而我们常见的编码格式有utf-8，gbk，ascii，unicode等，但是他们有什么区别呢，今儿抽了点时间仔细玩了玩。
常用的编码
- ASCII（American Standard Code for Information Interchange）：美国信息交换标准代码，主要用于显示现代英语及其他西欧语言，是现今最通用的单字节编码系统。ASCII由美国国家标准学会制定，也就是大名鼎鼎的ANSI。其中0-31、127共33个为控制字符或通信专用字符，其余均为可显示字符 。其中ASCII又分为标准码和扩展码，标准码最高为即第八位为奇偶校验位，而扩展码 允许将第八位使用，用于附加的128个特殊的字符、外来字母以及图形。
- Unicode（统一码、万国码、单一 码）：是计算机科学领域的一项业界标准，为每种语言中的每个字符设定了统一并且唯一的二进制编码，满足跨语言跨平台对文本进行转化。Unicode通常用两个字节表示一个字符，这使得原来英文编码（ASCII）从单字节变成了双字节，在变化过程中，只要把高字节全部填为0即可。总而言之，Unicode的诞生源于 多国语言 的编码统一需要，使得世界语言统一于一种编码体系下
- UTF-8（Unicode Transformation Format-8）：翻译过来就是Unicode字符集转换格式，简而言之，UTF-8是Unicode下的一个儿子。UTF-8以字节为单位对Unicode进行编码。UTF-8的最大特点是，对不同范围的字符使用不同长度的编码，对于0x00-0x7F之间的字符，UTF-8与ASCII编码完全相同，通过对高位的特定组合以及实现不同范围不同长度，但要注意的是UTF-8最长的长度是四个字节。从下表也可以得出结论，110开头作为一个字符的开始，10开头为其尾随的扩展。通过解析字节中110开头的数量，可对字节流进行分割。
编码与解码
工欲善其事，必先利其器。在这一节中，有了编码，自然就有了解码。
编码：字符串编程字节数组 String–>byte数组，str.getBytes();
解码：字节数组编程字符串 byte–>String
解码的过程应当根据编码的特点，进行适当的选择，如果选择不当极易出现乱码的情况
例如截取某一字符串字符串数组的前三个字节11100100 10111000 10001010，这几个字节在GBK下（2字节）对应涓（11100100 10111000），在UTF-8下对应上（11100100 10111000 10001010）在下一节中，我们将通过程序进行验证。
实验理解
- 理解编码
为了方便我们对编码的理解，我们先将字符串转换为相应的字节数组，进而得到各自的编码，在这儿我们以Java语言String的getBytes()方法进行解析，将字符串进行转换。【注：getBytes(“gbk”)表示以gbk解码，若不填参数默认utf-8】
通过编程，最终输出
[上海]的UTF8二进制编码如下：
11100100
10111000
10001010
11100110
10110101
10110111
共9个字节，即在utf-8下，三个字节对应于一个字符。
即11100100 10111000 10001010在UTF-8下对应[上]
- UTF-8与GBK
在上一小节中，我们输入的字符以默认UTF-8的形式存在，但是我们平常经常会引起乱码，比如以上海为例，会乱码显示为[涓婃捣]，面对这个问题，我们首先要注意到，原来的[上海]两个字的字符串在UTF-8下共有6个字节数组，而[涓婃捣]有三个字符，恰好每个字符对应两个字节数组，这让我门可以想到，会不会是误用了GBK的解码方式对UTF-8字节数组进行了解码【笔者注，[上海好]三个字符在UTF-8下对应9个字节数组，这个时候用GBK去解析，末尾会出现一个问号，即4个乱码字符+问号的形式出现】
下面我们以gbk的方式对[上海]进行解码【getBytes(“gbk”)，用这个方法可能会抛出异常，我们必须在用到这个方法的函数申明中加上throws Exception】，得到如下结果
[上海]的GBK二进制编码如下：
11001001
11001111
10111010
10100011
上面是用GBK对[上海]进行解码的效果，GBK让一个字符对应于两个字节数组
我们既然怀疑是用GBK的方式解码了UTF-8编码的字符，我们再来看一下[涓婃捣]他的GBK编码。
[涓婃捣]的GBK二进制编码如下：
11100100
10111000
10001010
11100110
10110101
10110111
[上海]的UTF8二进制编码如下：
11100100
10111000
10001010
11100110
10110101
10110111
将这两个对比发现一模一样，我们的假设得到了验证。
总结
因此，当我们什么时候遇到乱码的时候，不要慌张，可以先分析乱码显示的字符数和预期显示的字符数之间的关系，通过这个关系可以推断出在解码过程中哪儿出现了问题，并及时改正，在网络编程中，如PHP开发中，我们经常在开始加上header(“Content-type:text/html;charset=utf-8”)定义整个文件的编码格式，在与之对应的HTML中，我们常加上<meta http-equiv=’Content-Type’ content=’text/html; charset=utf-8′ />来定义页面的编码为UTF8。而在一些网络通信编程中，我们要时刻注意我们接收到的数据帧的编码格式为何种，并选择正确的解码标准对其解码。
