知行天下

字符集：
字符的集合，带有特殊语义的符号，是人类的沟通方式的书面化，例如以前的甲骨文，后来的汉字。

编码字符集：
将一个数值赋值给字符的集合，一个字符对应一个会是多个数值，，常见的就是unicode，gbk，iso8859-1等

字符编码方式：
编码字符集到8位字节的映射，字符编码方式就是将字符编码的序列转化为字节序列，更通俗的说就是将数值转化为二进制码，计算机化，转化为计算机可以识别的0和1

总结的说字符集是沟通方式的抽象，编码字符集是对于字符集的映射(解决what问题)，字符编码方式是解决映射后数据的解析(也可以认为是解决how的问题)

2.什么时候使用字符编码?

一般在进行网络传输或是文件存储的时候，需要使用字符编码，字符编码方式不等同于编码字符集，是映射，但两者关系又非常密切，所以大多数时候可以等同于同一个！比如GBK即是说字符集，也是字符编码方式，当然也有例外。
unicode原字符编码集对应了两种字符编码方式：UTF-8，UTF-16。

3.为什么会出现这两种？

我们知道对于一个英文字符我们采用一个字节存储是绰绰有余，但若采用两个字节就难免有些浪费了，同时中国的一些汉字又超过了2两个字节的表示范围，所以必须使用到三个字节及以上。所以最早出现的是UTF-16，后来UTF-16的编码方式导致了一些问题，后来又出现了UTF-8，两者的区别呢?

4.UTF-8和UTF-16的区别

UTF-8：是一种变长编码，第一个字节的最高位如果是0，则表示这个字符用单个字节表示，否则，从这一位开始向后数，有多少个连续的1，这个字符就用多少个字节表示。于是，英文字符只需要1个字节就可以表示，而中文字符一般需要3个字节来表示。

UTF-16：是定长编码，所有的字符都是两个字节进行表示，当然会出现超过两个字节范围的情况，它就必须扩容两个字节来进行表示，多出来的这两个字节称为代理对！所以若是采用UTF-16的字符编码方式，汉字的话会出现四个字节！

还有，对于字我们除了字本身之外，还会包含一些字体，字形等信息，这个就是通过编码字符集的属性来表示，看看unicode。
unicode包含三个属性：
1.Unicode Property 对于字符的功能进行分类，一个字符只属于一个Unicode Property，例如用\p{P}表示任何标点字符
2.Unicode Block 对字符进行分块，不同语系的字符就会落在同一块上，例如 \p{InCJK_Unified_Ideographs}表示兼容CJK（中文、日文、韩文）统一表意字符
3.Unicode Script 按照字符所属的书写系统来划分Unicode字符，例如 \p{Han}表示汉语（中文字符）
回到我们的java代码上看，Charset就是对应了编码字符集，对于字符集是不区分大小写！

UTF-16存在三种编码方式：
UTF-16BE ：16-位UCS转换格式，高位字序。每个Unicode字符都被编码为2-字节序列，首先编写高序位8位（bit）。
UTF-16LE ：16-位UCS转换格式，低位字序。每个Unicode字符都被编码为2-字节序列，首先编写低序位8位（bit）。
UTF-16 ：16-位UCS转换格式。字序由可选的字序标记确定。UTF-16字符在RFC2781中指定。UTF-16BE和UTF-16BE格式编码成16-位，因而由字序确定。UTF-16是可移植编码，它使用导向字节标记来表示编码字节流的其余部分是否是UTF-16BE或UTF-16LE。

上面提到了字符集对应的是Charset，那么编码方式对应的就是CharsetEncoder和CharsetDecoder，这两个类实现如何对字符转化为字节序列及将字节序列转化为字符。
JDK现在默认采用的字符编码方式是UTF-16。

5.总结：

Charset（字符集类） 封装编码的字符集编码方案，用来表示与作为字节序列的字符集不同的字符序列。
CharsetEncoder（字符集编码类）
编码引擎，把字符序列转化成字节序列。之后字节序列可以被解码从而重新构造源字符序列。
CharsetDecoder（字符集解码器类）
解码引擎，把编码的字节序列转化为字符序列。
CharsetProvider SPI（字符集供应商SPI）
通过服务器供应商机制定位并使Charset实现可用，从而在运行时环境中使用。