Java字符串与字符集的基本概念

本作品采用知识共享署名-非商业性使用-相同方式共享 2.5 中国大陆许可协议进行许可。
Java String是Java API中最常用的类，本文和大家谈谈String类的内部原理，同时描述ISO-8859-1字符集在字符串处理中的独特用处。 
Java字符串的内部编码
String类内部管理着一个char类型的数组，Java API是这样描述char基本类型的：
char 数据类型（和 Character 对象封装的值）基于原始的 Unicode 规范，将字符定义为固定宽度的 16 位实体。
这一点我们可以通过下面的语句加以证实：
System.out.println(Character.SIZE); // 结果为16
根据String类的构造方法，我们可以这样定义字符串：
String str = "abc";
上句代码等效于：
char data[] = {'a', 'b', 'c'};
String str = new String(data);
同时，char基本类型与byte、short、int、long一样可以用数值表示。所以上述代码等效于：
char data[] = {0x61, 0x62, 0x63};
String str = new String(data);
需要注意的是，char基本类型始终使用16位即两个字节表示一个字符，即使这个字符的Unicode值小于0xFF（如ASCII码）。对于Unicode值大于0xFF的字符，如“中国”二字的Unicode编码分别为\u4E2D和\u56FD，我们可以这样创建：
char data[] = {'\u4E2D', '\u56FD'};
String str = new String(data);
当然也可以这样创建：
char data[] = {0x4E2D, 0x56FD};
String str = new String(data);
通过上面的描述可以明确两个要点：
字符串对象中的每一个元素始终占据两个字节长度，一个或两个元素（增补字符占据两个元素）表示一个字符。
字符串对象中的每一个元素都使用Unicode字符集进行编码。
字符集（Charset）与字节化字符数据
在出现 Unicode 规范之前，计算机在处理字符串的问题上经历过ASCII和ANSI编码两个阶段，在ASCII时代，计算机只能处理英文数字以及几个基本符号，当时使用的是单字节字符集（SBCS）。
各国为了能在计算机上处理本国的文字，制订了相应的国家标准，规定了各自的ANSI编码。如中文简体使用GBK标准；中文繁体使用BIG5标准；日文使用Shift_JIS标准。在ANSI编码时代，计算机使用多字节字符集（MBCS）处理文字。如“中国ABC”，在GB2312标准中，“中国”两个字符分别使用两个字节表示，而“ABC”三个英文字符又分别使用一个字节表示。各国文字的ANSI编码互不通用，不能使用一种ANSI编码表达多个国家的文字。
为了�