類編碼介紹
常用的編碼方式一覽：
注意 ：
character類，character 類在物件中包裝乙個基本型別 char 的值。character 型別的物件包含型別為 char 的單個字段。char 資料型別（和 character 物件封裝的值）基於原始的 unicode 規範 ，將字元定義為固定寬度的 16 位實體。unicode 標準曾做過修改，以允許那些其表示形式需要超過 16 位的字元，合法**點 的範圍現在是從 u+0000 到 u+10ffff，即通常所說的 unicode 標量值 。（也就是上面介紹的unicode，原始unicode將在下面給出定義。）在character的isletter 方法中對於引數 是char 的方法是不支援對擴充套件字元的判斷 而引數是int時 時支援對擴充套件字元的判斷。
基於上面的介紹所以有：char值表示 basic multilingual plane (bmp) **點，其中包括**項**點，或 utf-16 編碼的**單元。int值表示所有 unicode **點，包括增補**點。
可以用下面方法檢測：
character.issupplementarycodepoint(int codepoint)確定指定字元（unicode **點）是否在增補字元範圍內。
原始unicode規範：unicode用乙個 2 位元組數字表示每個字元，從 0 到 65535 。每個 2 位元組數字表示至少在一種世界語言中使用的乙個唯一字元。（在多種語言中都使用的字元具有相同的數字碼。）這樣就確保每個字元乙個數字，並且每個數字乙個字 符。 unicode 資料永遠不會模稜兩可。 unicode 使用相同的數字表示 ascii 和 iso-8859-1 中的字元。只是這兩種編碼用乙個位元組表示， 而 unicode 用兩個位元組表示。所以 unicode 表示這兩種編碼的字元時只要用低位元組就可以了，高位元組為 0 。
一些疑惑解釋：
utf-8、utf-16、utf-32都是將數字轉換到程式資料的編碼方案，他們之間有什麼區別？
解釋： 用記事本建立乙個文字檔案，輸入漢字「 中 」 分別儲存為 unicode 格式和 utf-8 格式。 將 ultraedit 的自動識別 utf-8 檔案格式選項禁止，然後用其開啟這兩個檔案，選用二進位制檢視方式，可以看到 :
utf-8格式檔案編碼為 「ef bb bf e4 b8 ad」 。其中有個三位元組的字首 「ef bb bf」 ，這是 utf-8 格式文字檔案的標識。不過這個字首不要，某些文字檢視軟體也可以通過編碼判斷出 utf-8 格式。 「e4 b8 ad」 就是 「 中 」 的 utf-8 編碼。
unicode格式的檔案的完整編碼是 「ff fe 2d 4e」 。前面有個雙位元組字首 「ff fe」 ，這是 unicode 格式文字文件的編碼標識。而我們看到的編碼是 「2d 4e」 ，而不是如我前面所說的 「4e 2d」 ，為什麼呢？因為數字是按照低位元組在先高位元組在後的順序儲存的，所以實際的 unicode 編碼恰恰是 「4e2d」。
具體編碼方式，以及各種編碼方式之間的細微區別不再介紹，可以參看：
接下來將會介紹中 編碼 的處理方式。
字元編碼 字元編碼的奧秘
字元編碼相信是每個程式設計師的噩夢，只要是有中文的地方，總是會遇到各種編碼的問題，並且這種問題還非常難纏，尤其在linux上，因為上面很多軟體都是針對 英語國家開發的，是不會考慮其他語種編碼問題。在遇到編碼的無數大坑之後，我決定仔細研究下編碼問題，因為這就像一道坎一直橫在你面前，每次到這裡你都會 跌...
80 20 010 原理 字元編碼 字元編碼
ascii american standard code for information interchange,美國資訊交換棕準代礙 7 bit來表示 個字元，共汁可以表示128神字元。is08859 1 b bit表示 個字元，即用乙個字苓 byte 8 bit 來表示 個字元，共汁可以表示25...
編碼字符集
gb2312 全稱中國標準第兩千三百一十二條，其中包含亞裔字符集 南韓文字 缺點不包括正體中文，但是台灣還在使用正體中文，於是就有了 gbk gbk 全稱中國標準第兩千三百一十二條擴充套件版本，就包含正體中文 unicode 全稱萬國碼，各個國家的文字都有 utf 8 最通用的，unicode的公升...