本节书摘来异步社区《Java和Android开发学习指南（第2版）》一书中的第2章，第2.1节，作者：【加】Budi Kurniawan，更多章节内容可以访问云栖社区“异步社区”公众号查看。

第2章　语言基础

Java和Android开发学习指南（第2版）
Java是一种面向对象编程语言，因此，理解OOP非常重要。第4章是本书的第一个关于OOP内容的一章。然而，在了解OOP功能和技术之前，应该先学习Java语言的基础知识。

2.1　ASCII和Unicode

传统上，英语国家的计算机只使用美国信息交换标准代码（American Standard Code for Information Interchange，ASCII）字符来表示字母和数字字符。ASCII中的每个字符都用7位来表示。因此，这个字符集中有128个字符。其中包括小写和大写的拉丁字母、数字和标点符号。

ASCII字符集后来扩展了，包括了另外的128个字符，例如，德语字符ä、ö、ü和英国货币符号￡。这个字符集叫作扩展了的ASCII，并且每个字符使用8位来表示。

ASCII和扩展的ASCII只是可用的众多字符集中的两个。另一个流行的字符集由国际标准化组织（International Standards Organization，ISO）标准化了，即ISO-8859-1，也称之为Latin-1。ISO-8859-1中的每一个字符也用8位来表示。这个字符集包含了很多西方语言（如德语、丹麦语、荷兰语、法语、意大利语、西班牙语、葡萄牙语，当然也包括英语）编写文本所需的所有字符。每个字符占8位的字符集便于使用，因为一个字节也是8位的长度。因此，用一个8位的字符集来存储和传输文本，也更有效率。

然而，并不是每种语言都使用Latin字母。中文和日文是使用不同的字符集的两个例子。例如，中文中的每个字符表示一个字，而不是一个字母。这样的字符有数千个，8位不足以表示字符集中的所有字符。日文也使用一种不同字符集。全部算起来，全世界的语言中，有数以百计的不同的字符集。为了统一所有字符集，创建了一个叫作Unicode的计算标准。

Unicode是由一个叫作Unicode联盟（Unicode Consortium，www.unicode.org）的非营利的组织开发的。这个实体试图将全世界所有语言的所有字符，都包含到一个单个的字符集中。Unicode中的一个唯一的编号，只表示1个字符。Unicode当前的版本8，用于Java、XML、ECMAScript和LDAP等。

一开始，一个Unicode字符用16位来表示，这足够表示65 000多个不同的字符。65 000字符足以表示世界上主要语言中的大多数字符了。然而，Unicode联盟计划支持100万个以上的字符编码。根据这个数量，可能还需要另外的16位才能表示每个字符。实际上，32位系统被认为是存储Unicode字符的一种方便的方式。

现在，你已经看到了一个问题。尽管Unicode为所有语言中的所有字符提供了足够的空间，但是，存储和传输Unicode文本并不像存储和传输ASCII或Latin-1字符那样高效。在互联网世界中，这是一个大问题。想象一下，你要传输的数据是ASCII文本的4倍那么多。

好在字符编码可以使得存储和传输Unicode文本更加高效。你可以把字符编码看作是和数据压缩类似。并且，如今有很多类型的字符编码可用。Unicode联盟支持如下3种：

UTF-8。这在HTML中很流行，并且用作将Unicode字符转换为不同长度的字节编码的协议。它利用了一个优点，即Unicode字符与人们熟悉的ASCII具有相同的字节值。转换为UTF-8的Unicode字符可以用于很多已有的软件。大多数浏览器都支持UTF-8字符编码。
UTF-16。在这一字节编码中，所有较为常用的字符都放入到单个的16位的编码单元中，其他较少用到的字符，通过一对16位的编码单元来访问。
UTF-32。这个字节编码为单个的字符使用32位。这显然不是Internet应用程序的选择，至少目前还不是。
ASCII字符仍然在软件编程中扮演主要的角色。Java对于几乎所有的输入元素都使用ASCII，除了注释、标识符以及字符和字符串内容之外。对于后者，Java支持Unicode字符。这意味着，你可以用英语以外的语言来编写注释、标识符和字符串。