白话版：Unicode、GBK、UTF-8 简单粗暴的比喻

每天总结一个小知识点，工作小记第3回;

 

正在学习如何把一个东西给别人讲的很简单。

 

早上在地铁上，看到一个公众号的文章，里面应该是笔误，而且一个简单的东西给说的太晦涩了，我写个白话暴力版：

 

 

 

Java8中的String的char，应该是Unicode编码，而不是UTF-8编码； 已经给文章回复了，但是还没看到修正。

 

简单粗暴地对 Unicode、GBK、UTF-8进行一下比喻：

 

我们电脑中，有很多文件，但是发给别人时，一般不会直接发文件本体，而是打包发zip压缩包、rar压缩包、或者7z、tar.gz等。因为压缩可以显著减少体积，加快传输速度。

可以粗暴地把 电脑里的文件类比为Unicode， 把各种压缩工具  类比为 GBK，UTF-8。

 

Unicode叫做万国码，全球统一的标准。用了16位来定位表达文字，如果全世界都统一用Unicode，而且通信的时候直接使用原生的Unicode，不就什么麻烦都没有了。

实际上，java8的String内部的Char[] 存储的就是原生的Unicode。但是问题是：Unicode在存储和传输时体积较大，因为有16位来表示，即使是 abcd这种ascii，也需要16位。 如果字符串都是abcd这种字符，那么就是一倍的额外存储代价，如果要传输，就是额外的一倍带宽。

所以，有一系列的GBK、UTF-8的编码方案来实现Unicode双向映射。 这种编码方案就是在表达同样信息的前提下，尽可能少的占用空间。 就类似zip、rar这种不同的压缩方案。 不同的压缩技术对应不同的场景。

decode("UTF-8")  --> 对应压缩软件的 解压操作
encode("UTF-8")  --> 对应压缩软件的 打包操作

 

所以，我们想把rar压缩包变成7z文件，就需要先解压，解压为普通文件，再压缩为7z文件。

同样类比，想把UTF-8变成GBK，就先把UTF-8的数据 解压，decode("UTF-8")为Unicode【java8的String里面是Char，Unicode】， 这样就得到了原生的文件之类的，再encode("GBK")打包为别的格式。