Java中的字符集编码入门 1

 
 
Java中的字符集编码入门
ASCII及相关标准
　　地球人都知道ASCII就是美国标准信息交换码的缩写，也知道ASCII规定用7位二进制数字来表示英文字符，ASCII被定为国际标准之后的 代号为ISO-646.由于ASCII码只使用了7个二进制位，也就是说一个字节可以表示的256个数字中，它仅使用了0-127这128个码位，剩下的 128个码位便可以用来做扩展，用来表示一些特定语言所独有的字符，因此对这多余的128个码位的不同扩展，就形成了一系列ISO-8859-*的标准。 例如为英语作了专门扩展的字符集编码标准编号为ISO-8859-1，也叫做Latin-1，为希腊语所作的扩展编号为ISO-8859-7等，完整的列 表可以参考《Java Internationalization》一书。
　　Unicode与UCS
　　整个Unicode项目是由多家计算机软件公司，还包括一些出版行业的公司共同发起的，从上世纪八十年代就已经开始。地球人都知道，对于日文， 汉字来说，256个码位是远远不够用的(当然，在当时并不是地球人都知道，起码设计计算机的老美们就不知道，甚至直到今天，还有老美以为米国是世界上唯一 的国家)。解决方法很直观也很明显，那就是采用码位多到足够包含所需字符数量的编码方案(即俗话说的头痛医头，脚痛医脚嘛)。这也是Unicode的目标 之一，能够包含世界上所有语言的字符(包括汉字，日文，数学符号，音乐符号，还包括各种奇奇怪怪看也看不懂的东西比如象形文字，甲骨文 ，三个代表，科学发展观等等，笑)，这个理想，可以说很远大，但很快被发现仅靠Unicode原先的设计无法实现。Unicode的另一个设计目标，对今 天影响深远，那就是对所有字符都采用16位编码(即用一个大小不超过2的16次方的整数数字给每个字符编号，注意从这个意义上也可以看出，Unicode 是一种编码字符集，而非字符集编码)。说这个设计目标对现今影响深远，完全不是表扬，因为到后来连Unicode的设计者也发现，16位编码仅有 65536个码位，远远不能容纳世界上所有的字符，但当意识到这个问题的时候，Unicode大部分的规范已经制定完毕，也有相当程度的普及，完全推倒重 来是不现实的。这成了一个遗留问题，也是surrogate pair（代用品）这种蹩脚解决方案的发端。
　　无独有偶，在1984年，喜欢以繁多的编号糊弄群众的国际标准化组织ISO也开始着手制定解决不同语言字符数量太大问题的解决方案，这一方案被 称为Universal Character Set(UCS)，正式的编号是ISO-10646(记得么，ASCII是ISO-646，不知这种安排是否是故意的)。还是I