大家好，我是沉默王二，一个和黄家驹一样身高，和刘德华一样颜值的程序员。本篇文章通过我和三妹对话的形式来谈一谈“Unicode字符集简介”。
教妹学 Java，没见过这么有趣的标题吧？“语不惊人死不休”，没错，本篇文章的标题就是这么酷炫，接受不了的同学就别点进来看了，所谓好奇心害死猫；能够接受的同学我只能说你赚到了，你不仅能在阅读的过程中感受到思维的乐趣，还真的能学习到知识。下面就由我来介绍一下故事的背景吧。
我有一个漂亮如花的妹妹（见上图），她叫什么呢？我想聪明的读者朋友们都能猜得出：沉默王三，没错，年方三六。父母正考虑让她向我学习，做一名正儿八经的 Java 程序员。我期初是想反抗的，因为程序员这行业容易掉头发。但家命难为啊，与其反抗，不如做点更积极的事情，写点有趣的文章，教妹妹如何更快地掌握 Java 这门编程语言。毕竟程序员还算得上高薪（都是拿命换的啊）。
（铺垫结束，正文开始）
“二哥，上一篇文章中提到了 Unicode 字符集，说 Java 中的
char 类型之所以占 2 个字节，是因为 Java 使用的是 Unicode 字符集而不是 ASCII 字符集，我有点迷，想了解一下，能细致给我说说吗？”
“当然可以啊。”
Unicode 是一种国际通用的标准字符编码，能够代表世界上大多数的书面语言。在 Unicode 字符集出现之前，已经存在不少字符集了，比如说：
-
ASCII，美国标准信息交换码，一共规定了 128 个字符的编码，比如空格 SPACE 是 32（二进制 00100000），大写的字母 A 是 65（二进制 01000001）。这 128 个符号（包括 32 个不能打印出来的控制符号），只占用了一个字节的后面 7 位，最前面的一位统一规定为 0。
-
ISO 8859-1，为西欧而生。英语用 128 个符号编码就够了，但是用来表示其他语言，128 个符号是不够的。比如，在法语中，字母上方有注音符号，它就无法用 ASCII 码表示。于是，一些欧洲国家就决定，利用字节中闲置的最高位编入新的符号。比如，法语中的 é 的编码为 130（二进制 10000010）。这样一来，这些欧洲国家使用的编码体系，可以表示最多 256 个符号。
-
GB2312，简体中文编码方式。使用两个字节表示一个汉字，所以理论上最多可以表示 256 x 256 = 65536 个符号，因为汉字就多达 10 万个左右，一个字节只能表示 256 种符号，肯定是不够的。
它们引出了两种问题：
- 一种特定的码只能只能针对一种地区的语言标准。
- 不同字符集的编码对应的字节数不同，有的一个，有的两个，有的更多，不够统一。
世界上存在着多种编码方式，同一个二进制数字可以被解释成不同的符号。因此，要想打开一个文本文件，就必须知道它的编码方式，否则用错误的编码方式解读，就会出现乱码。为什么电子邮件常常出现乱码？就是因为发信人和收信人使用的编码方式不一样。
如果有一种编码，将世界上所有的符号都纳入其中。每一个符号都给予一个独一无二的编码，那么乱码问题就会消失。这就是 Unicode，就像它的名字都表示的，这是一种所有符号的编码。
Unicode 是一个很大的集合，现在的规模可以容纳 100 多万个符号。每个符号的编码都不一样，比如，U+0639表示阿拉伯字母 Ain，U+0041 表示英语的大写字母 A，U+4E25 表示汉字严。具体的符号对应表，可以查询 unicode.org，或者专门的汉字对应表。
Unicode 的一个字符占用 2 个字节，所以 Java 的 char 类型也占用 2 个字节。
本篇文章为《教妹学Java》专栏的第十篇文章，是不是有趣得很？我相信你能感受的到，这可是全网独一份，我看到已经有人在模仿了。现在定价只需 9.9 元，9.9 元你连一杯奶茶都买不到，但却能买下二哥精心制作的专栏，据说 CSDN 已经考虑涨价了，毕竟已经卖出一百多份了。
我知道，购买专栏的同学都是冲着二哥的名声来的，毕竟二哥是 CSDN 的明星博主，哈哈。为表谢意，我再附送上个人微信（qing_gee），你有什么问题都可以来咨询。
上一篇回顾：教妹学Java(九)：Java中的数据类型
PS：本篇文章中的示例代码已经同步到码云，传送门~
原创不易，喜欢就点个赞，因为你一个小小的举动，就会让这个世界多一份美好。
