字符集与字符编码
我们平时说的ASCII码和Unicode指的都是字符集，而UTF-8则是字符集的编码方式。
字符集
字符集就是所能表示的范围集合，比如ASCII码的字符集可以表示256个字符，而Unicode的字符集则可以表示所有的语言和符号。
ASCII码，一共包含00000000~01111111共128个字符，直接使用地址对应的二进制数来表示。比如字母A的地址是65，65的二进制就是01000001，这个二进制数就是编码字符集中的一个元素。可以表示阿拉伯数字和大小写英文字母，以及一些简单的符号。可以看出ASCII码只需要1个字节的存储空间，最高位为0。
ASCII码能最多表示256个字符，是针对英文产生的，而面对中文、阿拉伯文之类的复杂文字，256个字符显然是不够用的。于是各个国家或组织都相继制定了符合自己语言文字的标准，比如gb2312、big5等等。
各种编码规范互不兼容，且只能表示自己需要的字符，于是，国际标准化组织（ISO）决定制定一套全世界通用的编码规范，这就是Unicode。Unicode包含了全世界所有的字符。
1）英文字符 ‘A’ 在ASCII码和Unicode码字符集中的元素表示
英文字符的Unicode码就是简单地在ASCII码前面添加一个00字节。
┌────┐
ASCII: │ 41 │
└────┘
┌────┬────┐
Unicode: │ 00 │ 41 │
└────┴────┘
2）中文字符 ‘中’ 在GB2312码和Unicode码字符集中的元素表示
┌────┬────┐
GB2312: │ d6 │ d0 │
└────┴────┘
┌────┬────┐
Unicode: │ 4e │ 2d │
└────┴────┘
字符编码
一般情况下，都是采用Unicode的字符集，使用UFT-8的编码方案进行存储。
UTF-8编码是Unicode的存储方式，会根据字符的大小自动变长存储，如果是英文字母就采用1个字节存储，如果是汉字则每个汉字需要占据3个字节。
1）Unicode字符集可以使用的编码方案有三种
Unicode是一个集合，包含了各国全部的字符。Unicode 可以使用的编码方案有三种，分别是：
- UFT-8：一种变长的编码方案，使用 1~6 个字节来存储；
- UFT-32：一种固定长度的编码方案，不管字符编号大小，始终使用 4 个字节来存储；
- UTF-16：介于 UTF-8 和 UTF-32 之间，使用 2 个或者 4 个字节来存储，长度既固定又可变。
2）UTF-8编码
UTF-8编码是字符集的存储方式。因为英文字符的Unicode编码高字节总是00，包含大量英文的文本会浪费空间。所以，出现了UTF-8编码，它是一种变长编码，用来把固定长度的Unicode编码变成1～4字节的变长编码。通过UTF-8编码，英文字符 ‘A’ 的UTF-8编码变为0x41，正好和ASCII码一致，而中文 ‘中’ 的UTF-8编码为3字节0xe4b8ad。
UTF-8编码的另一个好处是容错能力强。如果传输过程中某些字符出错，不会影响后续字符，因为UTF-8编码依靠高字节位来确定一个字符究竟是几个字节，它经常用来作为传输编码。
Java中编码
始终牢记：Java的String和char在内存中总是以Unicode编码表示。
在Java中，char类型实际上就是两个字节的Unicode编码。我们可以把字符串转换成其他编码，转换编码后，就不再是char类型，而是byte类型表示的数组。
byte[] b1 = "Hello".getBytes(); // 按ISO8859-1编码转换，不推荐
byte[] b2 = "Hello".getBytes("UTF-8"); // 按UTF-8编码转换
byte[] b2 = "Hello".getBytes("GBK"); // 按GBK编码转换
byte[] b3 = "Hello".getBytes(StandardCharsets.UTF_8); // 按UTF-8编码转换如果要把已知编码的byte[]转换为String，可以这样做：
byte[] b = ...
String s1 = new String(b, "GBK"); // 按GBK转换
String s2 = new String(b, StandardCharsets.UTF_8); // 按UTF-8转换他の者にできたか？ここまでやれたか？この先できるか？いいや、仆にしかできない！
