[Java NIO]Java 字符集

1.Java 与 Unicode

• Unicode ，也叫做统一码，是计算机领域里的业界标准，包括字符集和编码方案；解决跨语言、跨平台的的文本处理问题，90年开始研发，94年正式公布。
• Unicode 把全世界所有的语言的字符集统一到一个独立的、全面的映射中。
• Java 使用Unicode 表示字符，与以字节为导向的C、C++ 相比，Unicode 的固有支持简化了字符的数据处理。

大部分操作系统在I/O 与文件存储方面仍然是以字节为导向的，所以无论使用何种编码，Unicode或其它，在字节序列和字符集编码之间仍然需要转化。

2.JVM 的字符集

• 每个JVM 都需要支持标准的字符集，如US-ASCII/ISO-8859-1/UTF-8/UTF-16/UTF-16LE/UTF-16BE
• JVM 启动时确定默认值，取决于潜在的操作系统环境、区域设置JVM 设置等

3.Unicode 与 UTF-32/UTF-8

• Unicode 统一了所有字符的编码，是字符集，而字符集只是给所有字符一个唯一的编码；
• Unicode 没有规定如何存储字符
• UTF-32：一个字符使用四个字节存储，也就是32位，涵盖了Unicode 的所有字符；
• UTF-8：变长编码，8位一组表示Unicode 字符格式

UTF-32 规则简单，但是缺陷明显，对一个西文字母，UTF-32 是ASCII 花费空间的四倍 (ASCII 每个字符只需要一个字节存储)。

UTF-8 的编码规则如下（U+ 后面的数字代表 Unicode 字符代码）：

U+ 0000 ~ U+ 007F: 0XXXXXXX
U+ 0080 ~ U+ 07FF: 110XXXXX 10XXXXXX
U+ 0800 ~ U+ FFFF: 1110XXXX 10XXXXXX 10XXXXXX
U+10000 ~ U+1FFFF: 11110XXX 10XXXXXX 10XXXXXX 10XXXXXX

可以看到，UTF-8 通过开头的标志位位数实现了变长。对于单字节字符，只占用一个字节，实现了向下兼容 ASCII，并且能和 UTF-32 一样，包含 Unicode 中的所有字符，又能有效减少存储传输过程中占用的空间