一、字符集
規(guī)定了某個文字對應的二進制數(shù)字存放方式（編碼）和某串二進制數(shù)值代表了哪個文字（解碼）的轉(zhuǎn)換關系。對應到真實生活中，字符集就是對某種語言的稱呼。例如：英語，漢語，日語。
Unicode是為了統(tǒng)一ASCII（僅英文字母）GBK（中文）等而發(fā)明的，就是要把地球上所有的語言的符號，都用統(tǒng)一的字符集來表示，一個編碼真正做到了唯一。
不過，Unicode只是一個符號集，只規(guī)定了符號的 二進制代碼，卻沒有規(guī)定這個二進制代碼應該如何存儲
二、字符編碼
對于一個字符集來說要正確編碼轉(zhuǎn)碼一個字符需要三個關鍵元素：字庫表（character
repertoire）、編碼字符集（coded character
set）、字符編碼（character
encoding form）。
- 字庫表：所有的單詞,（為了能夠涵蓋世界上所有的字符）
- 編碼字符集：單詞在字庫的哪里，索引id
- 字符編碼：把序號轉(zhuǎn)換成另外一種存儲格式，（真正用的上的字符相對整個字庫表來說比例非常低），是字符集的實現(xiàn)方式，因為計算機只能看懂bytes。我們需要一種用bytes來表示Unicode的方法這樣才可以存儲和傳播他們。
UTF-8就是字符編碼，變長。UTF-8是Unicode的實現(xiàn)方式之一
i) 好處一是節(jié)省流量。
ii) 好處二是ASCII編碼實際上可以被看成是UTF-8編碼的一部分，所以，大量只支持ASCII編碼的歷史遺留軟件可以在UTF-8編碼下繼續(xù)工作。
iii) UTF-8編碼能表示的字符數(shù)量遠超GBK。
三、 Window筆記本
Windows 記事本里面的4個選項：
- ANSI,俗稱“默認編碼”，不是確定的一種編碼，是Windows提出來的一種解決方案，會根據(jù)不同的語言版本選擇。對于英文文件，是ASCII編碼，對于簡體中文是GB2312，繁體中文是Big5，日文是JIS
- Unicode, 這個選項用的是little endian
- Unicode big endian
- UTF-8
四、JAVA的內(nèi)部編碼
既然計算機在內(nèi)存中統(tǒng)一使用的是unicode編碼，JAVA自然也是如此了。
Java 內(nèi)部處理字符使用的字序方式是 Unicode，這是一種通行全球的編碼方式。 Unicode 另有一種儲存或傳輸?shù)母袷剑凶?UTF-8。UTF-8 的格式在編碼英文時，只需要 8 位，但是中文則是 24 位，所以中文字出現(xiàn)比例高的地方還是使用 UTF-16 比較節(jié)省空間。Java 的 Class File（也就是 bytecode）中有一字段叫做常數(shù)區(qū)（Constant Pool），一律使用 UTF-8 為字符編碼。
五、 JAVA 的I/O 編碼
雖然 Java 內(nèi)部完整地使用 Unicode，但是你所使用的操作系統(tǒng)可不見得。
Java 現(xiàn)行的 IO 一律使用 Stream 的方式，相關的類別都放在 java.io 中。
輸出 binary 的使用 OutputStream 的子類別，輸入 binary 的資料使用 InputStream 的子類別；
輸出文字的使用 Writer 的子類別，輸入文字的資料使用 Reader 的子類別。
-
InputStream/OutputStream 與 Reader/Writer的區(qū)別
InputStream/OutputStream 會原封不動地傳送資料，但是Reader/Writer 會將資料當作文字對待，所以 Reader/Writer 在「必要時」會把（文字）資料轉(zhuǎn)碼（會根據(jù)操作系統(tǒng)的默認編碼方式進行轉(zhuǎn)碼）。 -
什么時候轉(zhuǎn)碼？：
Java 的 Stream（包括 Reader 和 Writer）是可以互相串接的。當 Reader 的資料來源是另一個 Reader 時，不轉(zhuǎn)碼，當 Reader 的資料來源是一個 InputStream 時，就會轉(zhuǎn)碼。當 Writer 的資料去處是另一個 Writer 時，不轉(zhuǎn)碼，當 Writer 的資料去處是一個 OutputStream 時，就會轉(zhuǎn)碼。 -
由什么碼轉(zhuǎn)成什么碼？
這是可以指定的。
因為轉(zhuǎn)碼只發(fā)生在 Reader/InputStream 的交界處與 Writer/OutputStream 的交界處，所以正是由 InputStreamReader 和 OutputStreamWriter 此二類別負責，下面兩個 constructor 的第二個參數(shù)，正是用來指定轉(zhuǎn)碼的方式。
new InputStreamReader(new FileInputStream(inputFilePath), encoding)
如果你清楚地知道你要讀寫的檔案（或資料來源 / 去處）是采用某種編碼方式，你也可以主動指定編碼方式。但是，請記得抓取可能導致的 UnsupportedEncodingException，并務必處理之，不可對此例外置之不理，因為該 JRE 有可能沒有附上此種編碼表（也有可能你的編碼名稱給錯）。 -
保持現(xiàn)場 ，保持資料的完整性
如果你不知道你的 I/O 資料來源或去處是用何種編碼方式，那么你最好不要用 Reader 和 Writer，而應該直接用 InputStream 和 OutputStream，因為與其被 Reader 和 Writer 胡亂編碼之后造成信息遺失或錯亂，不如保持資料的完整不變，留待以后進一步解讀。 -
建議
在我們的應用程序中涉及到 I/O 操作時只要注意指定統(tǒng)一的編解碼 Charset 字符集，一般不會出現(xiàn)亂碼問題，有些應用程序如果不注意指定字符編碼，中文環(huán)境中取操作系統(tǒng)默認編碼，如果編解碼都在中文環(huán)境中，通常也沒問題，但是還是強烈的不建議使用操作系統(tǒng)的默認編碼，因為這樣，你的應用程序的編碼格式就和運行環(huán)境綁定起來了，在跨環(huán)境下很可能出現(xiàn)亂碼問題。
六、 內(nèi)存操作中的編碼
Java中，String 類就提供轉(zhuǎn)換到字節(jié)的方法，也支持將字節(jié)轉(zhuǎn)換為字符串的構(gòu)造函數(shù)。
Charset 提供 encode 與 decode 分別對應 char[] 到 byte[] 的編碼和 byte[] 到 char[] 的解碼。
參考： http://blog.csdn.net/mazhimazh/article/details/19327421
把一個字符串“中”賦給 String 類的一個對象 str，這個字符串“中”是按照操作系統(tǒng)默認編碼方式進行編碼，在中文 windows 系統(tǒng)中通常是“GBK”，“中”在GBK編碼中是0xD6D0，在將該字符賦給str時，Java會對該字符串進行編碼轉(zhuǎn)換，即將GBK編碼方式的“中”轉(zhuǎn)換成Unicode編碼方式的“中”，Unicode編碼方式“中”的編碼是0x4E2D，所以str在程序運行期間在內(nèi)存中的二進制表示成16進制就是0x4E2D。
七、 造成MySQL亂碼的一個原因
- 存入和取出時對應環(huán)節(jié)的編碼不一致
我們把存入階段的三次編解碼使用的字符集編號為C1,C2,C3；取出時的三個字符集依次編號為C1’,C2’,C3’。那么存入的時候bash C1用的是UTF-8編碼，取出的時候,C1'我們卻使用了windows終端（默認是GBK編碼），那么結(jié)果幾乎一定是亂碼。又或者存入MySQL的時候set names utf8(C2)，而取出的時候卻使用了set names gbk(C2')，那么結(jié)果也必然是亂碼 - 單個流程中三步的編碼不一致
即上面任意一個流程同一方向的三步中，只要兩步或者兩部以上的編碼有不一致就有可能出現(xiàn)編解碼錯誤。如果差異的兩個字符集之間無法進行無損編碼轉(zhuǎn)換，那么就一定會出現(xiàn)亂碼。
