编码方式相关&正则&..-这一篇全了解

向右看齐 2022-04-06 19:26 142阅读 0赞

**什么是ASCII？主要有哪些字符组成？**

解：

ASCII（American Standard Code for Information Interchange，美国信息交换标准代码）是基于拉丁字母的一套电脑编码系统，主要用于显示现代英语和其他西欧语言。它是现今最通用的单字节编码系统，并等同于国际标准ISO/IEC 646。

标准ASCII 码也叫基础ASCII码，使用7 位二进制数（剩下的1位二进制为0）来表示所有的大写和小写字母，数字0 到9、标点符号， 以及在美式英语中使用的特殊控制字符。

其中：

0～31及127(共33个)是控制字符或通信专用字符（其余为可显示字符），如控制符：LF（换行）、CR（回车）、FF（换页）、DEL（删除）、BS（退格)、BEL（响铃）等；通信专用字符：SOH（文头）、EOT（文尾）、ACK（确认）等；

ASCII值为8、9、10 和13 分别转换为退格、制表、换行和回车字符。它们并没有特定的图形显示，但会依不同的应用程序，而对文本显示有不同的影响。

32～126(共95个)是字符(32是空格），其中48～57为0到9十个阿拉伯数字。

65～90为26个大写英文字母，97～122号为26个小写英文字母，其余为一些标点符号、运算符号等。

**什么是Unicode码？可以用Unicode表示中文吗？**

前面提到过ASCII码，只有256个字符，美国人倒是没啥问题了，他们用到的字符几乎都包括了，但是世界上不只有美国程序员啊，所以需要一种更加全面的字符集。

Unicode（中文：万国码、国际码、统一码、单一码）是计算机科学领域里的一项业界标准。它对世界上大部分的文字系统进行了整理、编码，使得计算机可以用更为简单的方式来呈现和处理文字。

Unicode伴随着通用字符集的标准而发展，同时也以书本的形式对外发表。Unicode至今仍在不断增修，每个新版本都加入更多新的字符。目前最新的版本为2018年6月5日公布的11.0.0，已经收录超过13万个字符（第十万个字符在2005年获采纳）。Unicode涵盖的数据除了视觉上的字形、编码方法、标准的字符编码外，还包含了字符特性，如大小写字母。

Unicode发展由非营利机构统一码联盟负责，该机构致力于让Unicode方案取代既有的字符编码方案。因为既有的方案往往空间非常有限，亦不适用于多语环境。

Unicode备受认可，并广泛地应用于计算机软件的国际化与本地化过程。有很多新科技，如可扩展置标语言（Extensible Markup Language，简称：XML）、Java编程语言以及现代的操作系统，都采用Unicode编码。

Unicode可以表示中文。

**既然Unicode字符集可以表示中文（几乎所有字符），为啥还需要UTF-8 、GBK等字符编码？**

参考文章：

[十分钟搞清字符集和字符编码 • cenalulu's Tech Blog][_ cenalulu_s Tech Blog]

[字符编码笔记：ASCII，Unicode 和 UTF-8 - 阮一峰的网络日志][ASCII_Unicode _ UTF-8 -]

建议上面两篇文章都看下。

广义的 Unicode 是一个标准，定义了一个字符集以及一系列的编码规则，即 Unicode 字符集和 UTF-8、UTF-16、UTF-32 等等编码规则。

Unicode 是字符集。UTF-8 是编码规则。

unicode虽然统一了全世界字符的二进制编码，但没有规定如何存储。

如果Unicode统一规定，每个符号就要用三个或四个字节表示，因为字符太多，只能用这么多字节才能表示完全。

一旦这么规定，那么每个英文字母前都必然有二到三个字节是0，因为所有英文字母在ASCII中都有，都可以用一个字节表示，剩余字节位置就要补充0。

如果这样，文本文件的大小会因此大出二三倍，这对于存储来说是极大的浪费。这样导致一个后果：出现了Unicode的多种存储方式。

UTF-8就是Unicode的一个使用方式，通过他的英文名Unicode Tranformation Format就可以知道。

UTF-8使用可变长度字节来储存 Unicode字符，例如ASCII字母继续使用1字节储存，重音文字、希腊字母或西里尔字母等使用2字节来储存，而常用的汉字就要使用3字节。辅助平面字符则使用4字节。

一般情况下，同一个地区只会出现一种文字类型，比如中文地区一般很少出现韩文，日文等。所以使用这种编码方式可以大大节省空间。比如纯英文网站就要比纯中文网站占用的存储下一些。

**UTF8 UTF16 UTF32之间有什么区别？**

解：

Unicode 是容纳世界所有文字符号的国际标准编码，使用四个字节为每个字符编码。

UTF 是英文 Unicode Transformation Format 的缩写，意为把 Unicode 字符转换为某种格式。UTF 系列编码方案（UTF-8、UTF-16、UTF-32）均是由 Unicode 编码方案衍变而来，以适应不同的数据存储或传递，它们都可以完全表示 Unicode 标准中的所有字符。目前，这些衍变方案中 UTF-8 被广泛使用，而 UTF-16 和 UTF-32 则很少被使用。

UTF-8 使用一至四个字节为每个字符编码，其中大部分汉字采用三个字节编码，少量不常用汉字采用四个字节编码。因为 UTF-8 是可变长度的编码方式，相对于 Unicode 编码可以减少存储占用的空间，所以被广泛使用。

UTF-16 使用二或四个字节为每个字符编码，其中大部分汉字采用两个字节编码，少量不常用汉字采用四个字节编码。UTF-16 编码有大尾序和小尾序之别，即 UTF-16BE 和 UTF-16LE，在编码前会放置一个 U+FEFF 或 U+FFFE（UTF-16BE 以 FEFF 代表，UTF-16LE 以 FFFE 代表），其中 U+FEFF 字符在 Unicode 中代表的意义是 ZERO WIDTH NO-BREAK SPACE，顾名思义，它是个没有宽度也没有断字的空白。

UTF-32 使用四个字节为每个字符编码，使得 UTF-32 占用空间通常会是其它编码的二到四倍。UTF-32 与 UTF-16 一样有大尾序和小尾序之别，编码前会放置 U+0000FEFF 或 U+0000FFFE 以区分。

**UTF8已经是国际通用的字符编码了，为什么还需要GBK？**

**GBK，GB2312，GB18030三者之间有何区别？**

三者都是支持中文字符的编码方式，最常用的是GBK。

以下内容来自CSDN，介绍的比较详细。

GB2312（1980年）：16位字符集，收录有6763个简体汉字，682个符号，共7445个字符；

优点：适用于简体中文环境，属于中国国家标准，通行于大陆，新加坡等地也使用此编码；

缺点：不兼容繁体中文，其汉字集合过少。

GBK（1995年）：16位字符集，收录有21003个汉字，883个符号，共21886个字符；

优点：适用于简繁中文共存的环境，为简体Windows所使用（代码页cp936），向下完全兼容gb2312，向上支持 ISO-10646 国际标准 ；所有字符都可以一对一映射到unicode2.0上；

缺点：不属于官方标准，和big5之间需要转换；很多搜索引擎都不能很好地支持GBK汉字。

GB18030（2000年）：32位字符集；收录了27484个汉字，同时收录了藏文、蒙文、维吾尔文等主要的少数民族文字。

优点：可以收录所有你能想到的文字和符号，属于中国最新的国家标准；

缺点：目前支持它的软件较少。

**Java中如何对字符串进行编码和解码（使用不同编码方式）。**

把字符串转成对应编码下的字节数组：byte\[\] getBytes(String charsetName)

把字节数组按照编码方式进行编码：String(byte\[\] bytes, String charsetName)

**什么是URL编码解码？**

网络标准RFC 1738做了硬性规定 :只有字母和数字\[0-9a-zA-Z\]、一些特殊符号“$-\_.+!\*'(),”\[不包括双引号\]、以及某些保留字，才可以不经过编码直接用于URL;

除此以外的字符是无法在URL中展示的，所以，遇到这种字符，如中文，就需要进行编码。

所以，把带有特殊字符的URL转成可以显示的URL过程，称之为URL编码。

反之，就是解码。 URL编码可以使用不同的方式，如escape，URLEncode，encodeURIComponent。

**URL编码中，escape，URLEncode，encodeURIComponent有什么区别？**

先说encodeURI和encodeURIComponent。

它们都是编码URL，唯一区别就是编码的字符范围，其中 encodeURI方法不会对下列字符编码 ASCII字母、数字、~!@\#$&\*()=:/,;?+' encodeURIComponent方法不会对下列字符编码 ASCII字母、数字、~!\*()' 所以encodeURIComponent比encodeURI编码的范围更大。

实际例子来说，encodeURIComponent会把 http:// 编码成 http%3A%2F%2F 而encodeURI却不会。

escape()不能直接用于URL编码，它的真正作用是返回一个字符串的Unicode编码值。 其中 ASCII字母、数字、@\*/+ ，这几个字符不会被编码，其余的都会。

**什么是Big Endian 和 Little Endian？Java默认使用哪种？**

字节序，也就是字节的顺序，指的是多字节的数据在内存中的存放顺序。

在几乎所有的机器上，多字节对象都被存储为连续的字节序列。例如：如果C/C++中的一个int型变量 a 的起始地址是&a = 0x100，那么 a 的四个字节将被存储在存储器的0x100, 0x101, 0x102, 0x103位置。

根据整数 a 在连续的 4 byte 内存中的存储顺序，字节序被分为大端序（Big Endian） 与 小端序（Little Endian）两类。

Big Endian 是指低地址端 存放 高位字节。

Little Endian 是指低地址端 存放 低位字节。

比如数字0x12345678在两种不同字节序CPU中的存储顺序：

Big Endian：12345678

Little Endian ： 78563412

Java采用Big Endian来存储数据、C\\C++采用Little Endian。在网络传输一般采用的网络字节序是BIG-ENDIAN。和Java是一致的。

所以在用C/C++写通信程序时，在发送数据前务必把整型和短整型的数据进行从主机字节序到网络字节序的转换，而接收数据后对于整型和短整型数据则必须实现从网络字节序到主机字节序的转换。如果通信的一方是JAVA程序、一方是C/C++程序时，则需要在C/C++一侧使用以上几个方法进行字节序的转换，而JAVA一侧，则不需要做任何处理，因为JAVA字节序与网络字节序都是BIG-ENDIAN，只要C/C++一侧能正确进行转换即可（发送前从主机序到网络序，接收时反变换）。如果通信的双方都是JAVA，则根本不用考虑字节序的问题了。

**为什么会出现乱码？**

当编码时用的字符编码或者字符集与解码时的不一致时就会产生乱码

**什么是字节码？JVM使用字节码有什么好处？**

为了让Java语言具有良好的跨平台能力，Java独具匠心的提供了一种可以在所有平台上都能使用的一种中间代码——字节码（ByteCode）。

有了字节码，无论是哪种平台（如Windows、Linux等），只要安装了虚拟机，都可以直接运行字节码。

同样，有了字节码，也解除了Java虚拟机和Java语言之间的耦合。

其实，目前Java虚拟机已经可以支持很多除Java语言以外的语言了，如Kotlin、Groovy、JRuby、Jython、Scala等。之所以可以支持，就是因为这些语言也可以被编译成字节码。而虚拟机并不关心字节码是有哪种语言编译而来的。

**如何获取一个.java文件的字节码？**

通过编译可以把一个.java文件编程成.class文件，.class文件就是字节码文件。 使用javac命令，可以把java源码编译成字节码

**什么是编译，什么是反编译？**

什么是编译

上面提到语言有两种，一种低级语言，一种高级语言。可以这样简单的理解：低级语言是计算机认识的语言、高级语言是程序员认识的语言。

那么如何从高级语言转换成低级语言呢？这个过程其实就是编译。

从上面的例子还可以看出，C语言的语句和低级语言的指令之间不是简单的一一对应关系，一条a=b+1;语句要翻译成三条汇编或机器指令，这个过程称为编译（Compile），由编译器（Compiler）来完成，显然编译器的功能比汇编器要复杂得多。用C语言编写的程序必须经过编译转成机器指令才能被计算机执行，编译需要花一些时间，这是用高级语言编程的一个缺点，然而更多的是优点。首先，用C语言编程更容易，写出来的代码更紧凑，可读性更强，出了错也更容易改正。

将便于人编写、阅读、维护的高级计算机语言所写作的源代码程序，翻译为计算机能解读、运行的低阶机器语言的程序的过程就是编译。负责这一过程的处理的工具叫做编译器

现在我们知道了什么是编译，也知道了什么是编译器。不同的语言都有自己的编译器，Java语言中负责编译的编译器是一个命令：javac

javac是收录于JDK中的Java语言编译器。该工具可以将后缀名为.java的源文件编译为后缀名为.class的可以运行于Java虚拟机的字节码。

当我们写完一个HelloWorld.java文件后，我们可以使用javac HelloWorld.java命令来生成HelloWorld.class文件，这个class类型的文件是JVM可以识别的文件。通常我们认为这个过程叫做Java语言的编译。其实，class文件仍然不是机器能够识别的语言，因为机器只能识别机器语言，还需要JVM再将这种class文件类型字节码转换成机器可以识别的机器语言。

什么是反编译

反编译的过程与编译刚好相反，就是将已编译好的编程语言还原到未编译的状态，也就是找出程序语言的源代码。就是将机器看得懂的语言转换成程序员可以看得懂的语言。Java语言中的反编译一般指将class文件转换成java文件。

有了反编译工具，我们可以做很多事情，最主要的功能就是有了反编译工具，我们就能读得懂Java编译器生成的字节码。如果你想问读懂字节码有啥用，那么我可以很负责任的告诉你，好处大大的。比如我的博文几篇典型的原理性文章，都是通过反编译工具得到反编译后的代码分析得到的。

**可以使用javac进行Java代码编译，那么反编译有哪些工具？**

[Java代码的编译与反编译那些事儿-HollisChuang's Blog][Java_-HollisChuang_s Blog]

**什么是Java中的魔数？和字节码有什么关系？**

[Java中的”魔数”-HollisChuang's Blog][Java_-HollisChuang_s Blog 1]

**什么是JIT编译器？**

JIT编译器，即Just-In-Time编译，译为实时编译器.使用即时编译器技术，能够加速 Java 程序的执行速度。

通常通过 javac 将程序源代码编译，转换成 java 字节码，JVM 通过解释字节码将其翻译成对应的机器指令，逐条读入，逐条解释翻译。很显然，经过解释执行，其执行速度必然会比可执行的二进制字节码程序慢很多。为了提高执行速度，引入了 JIT 技术。

在运行时 JIT 会把翻译过的机器码保存起来，以备下次使用，因此从理论上来说，采用该 JIT 技术可以接近以前纯编译技术。

JAVA程序还是通过解释器进行解释执行，当JVM发现某个方法或代码块运行特别频繁的时候，就会认为这是“热点代码”（Hot Spot Code)。然后JIT会把部分“热点代码”翻译成本地机器相关的机器码，并进行优化，然后再把翻译后的机器码缓存起来，以备下次使用。

HotSpot虚拟机中内置了两个JIT编译器：Client Complier和Server Complier，分别用在客户端和服务端，目前主流的HotSpot虚拟机中默认是采用解释器与其中一个编译器直接配合的方式工作。

当 JVM 执行代码时，它并不立即开始编译代码。首先，如果这段代码本身在将来只会被执行一次，那么从本质上看，编译就是在浪费精力。因为将代码翻译成 java 字节码相对于编译这段代码并执行代码来说，要快很多。第二个原因是最优化，当 JVM 执行某一方法或遍历循环的次数越多，就会更加了解代码结构，那么 JVM 在编译代码的时候就做出相应的优化。

**什么是JIT编译器的热点检测，作用是什么？**

热点检测就是找到特别频繁运行的代码,编译器以整个方法作为编译对象,因此如果编译器发现一个方法或循环体被频繁调用,就会出发即时编译.

如何发现:

基于采样的热点预测:虚拟机周期性检查各个线程的栈顶,如果发现某些方法经常出现在 栈顶,那这段代码就会被认定为热点代码

好处:实现简单高效,可以很容易的获取方法间的调用关系

缺点:难以精确确认一个方法的热度,容易收到线程阻塞或别的外界因素的影响

基于计数器的热点检测:为每个方法甚至是代码块建立计数器,统计执行次数,超过设定阀值就会被认定为热点代码

好处:计算热点精确严谨

缺点:实现复杂,需要为每个方法建立并维护计数器,而且不能直接获取方法调用关系

HotSpot:

HotSpot 中采用的是第二种,其为每个方法准备了两个计数器:方法调用计数器和回边计数器

方法调用计数器:默认设置下,统计一段时间内方法被调用的次数

回边计数器:统计一个方法中循环体执行的次数

作用: 将热点代码编译成目标机器的机器码文件,提高执行效率.

参考资料: [【深入Java虚拟机】之七：Javac编译与JIT编译 - 兰亭风雨的专栏 - CSDN博客][Java_Javac_JIT_ - _ - CSDN]

**什么是逃逸分析，我什么用？**

[深入理解Java中的逃逸分析-HollisChuang's Blog][Java_-HollisChuang_s Blog 2]

**什么是正则表达式？**

正则表达式使用单个字符串来描述、匹配一系列匹配某个句法规则的字符串。在很多文本编辑器里，正则表达式通常被用来检索、替换那些匹配某个模式的文本。

正则表达式定义了字符串的模式。

正则表达式可以用来搜索、编辑或处理文本。

正则表达式并不仅限于某一种语言，但是在每种语言中有细微的差别。

**Java中如何使用正则表达式进行匹配？**

java.util.regex 包主要包括以下三个类：

Pattern 类：

pattern 对象是一个正则表达式的编译表示。Pattern 类没有公共构造方法。要创建一个 Pattern 对象，你必须首先调用其公共静态编译方法，它返回一个 Pattern 对象。该方法接受一个正则表达式作为它的第一个参数。

Matcher 类：

Matcher 对象是对输入字符串进行解释和匹配操作的引擎。与Pattern 类一样，Matcher 也没有公共构造方法。你需要调用 Pattern 对象的 matcher 方法来获得一个 Matcher 对象。

PatternSyntaxException：

PatternSyntaxException 是一个非强制异常类，它表示一个正则表达式模式中的语法错误。

以下实例中使用了正则表达式 .\*runoob.\* 用于查找字符串中是否包了 runoob 子串：

import java.util.regex.\*;

class RegexExample1\{

public static void main(String args\[\])\{

String content = "I am noob " + "from runoob.com.";

String pattern = ".\*runoob.\*";

boolean isMatch = Pattern.matches(pattern, content);

System.out.println("字符串中是否包含了 'runoob' 子字符串? " + isMatch);

实例输出结果为：

字符串中是否包含了 'runoob' 子字符串? true

**日常开发中，常用的第三方类库有哪些？**

常见的有 commons.lang, commons.\*... guava-libraries netty 等

**什么是函数式编程？**

函数式编程是种编程方式，它将电脑运算视为函数的计算。函数编程语言最重要的基础是λ演算（lambda calculus），而且λ演算的函数可以接受函数当作输入（参数）和输出（返回值）。

比起指令式编程，函数式编程更加强调程序执行的结果而非执行的过程，倡导利用若干简单的执行单元让计算结果不断渐进，逐层推导复杂的运算，而不是设计一个复杂的执行过程。

它属于"结构化编程"的一种，主要思想是把运算过程尽量写成一系列嵌套的函数调用。举例来说，现在有这样一个数学表达式： 　　(1 + 2) \* 3 - 4 传

统的过程式编程，可能这样写：

var a = 1 + 2;

var b = a \* 3;

var c = b - 4;

函数式编程要求使用函数，我们可以把运算过程定义为不同的函数，然后写成下面这样：

var result = subtract(multiply(add(1,2), 3), 4);

这就是函数式编程。

**什么是Java8 中的lambda表达式**

Lambda 表达式是推动 Java 8 发布的最重要新特性。

Lambda 允许把函数作为一个方法的参数传递进方法中，使用 Lambda 表达式可以使代码变的更加简洁紧凑。

lambda 表达式的语法格式如下：

(parameters) -> expression

或

(parameters) ->\{ statements; \}

以下是lambda表达式的重要特征:

可选类型声明：不需要声明参数类型，编译器可以统一识别参数值。

可选的参数圆括号：一个参数无需定义圆括号，但多个参数需要定义圆括号。

可选的大括号：如果主体包含了一个语句，就不需要使用大括号。

可选的返回关键字：如果主体只有一个表达式返回值则编译器会自动返回值，大括号需要指定明表达式返回了一个数值。

Lambda 表达式的简单例子:

// 1. 不需要参数,返回值为 5

() -> 5

// 2. 接收一个参数(数字类型),返回其2倍的值

x -> 2 \* x

// 3. 接受2个参数(数字),并返回他们的差值

(x, y) -> x – y

// 4. 接收2个int型整数,返回他们的和

(int x, int y) -> x + y

// 5. 接受一个 string 对象,并在控制台打印,不返回任何值(看起来像是返回void)

(String s) -> System.out.print(s)

**什么是Java8中的Stream**

Stream 作为 Java 8 的一大亮点，它与 java.io 包里的 InputStream 和 OutputStream 是完全不同的概念。它也不同于 StAX 对 XML 解析的 Stream，也不是 Amazon Kinesis 对大数据实时处理的 Stream。

Java 8 中的 Stream 是对集合（Collection）对象功能的增强，它专注于对集合对象进行各种非常便利、高效的聚合操作（aggregate operation），或者大批量数据操作 (bulk data operation)。

Stream API 借助于同样新出现的 Lambda 表达式，极大的提高编程效率和程序可读性。同时它提供串行和并行两种模式进行汇聚操作，并发模式能够充分利用多核处理器的优势，使用 fork/join 并行方式来拆分任务和加速处理过程。

通常编写并行代码很难而且容易出错, 但使用 Stream API 无需编写一行多线程的代码，就可以很方便地写出高性能的并发程序。所以说，Java 8 中首次出现的 java.util.stream 是一个函数式语言+多核时代综合影响的产物。

详细使用方案参考：[Java 8 中的 Streams API 详解][Java 8 _ Streams API]

[_ cenalulu_s Tech Blog]: http://cenalulu.github.io/linux/character-encoding/
[ASCII_Unicode _ UTF-8 -]: http://www.ruanyifeng.com/blog/2007/10/ascii_unicode_and_utf-8.html
[Java_-HollisChuang_s Blog]: https://www.hollischuang.com/archives/58
[Java_-HollisChuang_s Blog 1]: https://www.hollischuang.com/archives/491
[Java_Javac_JIT_ - _ - CSDN]: https://blog.csdn.net/ns_code/article/details/18009455
[Java_-HollisChuang_s Blog 2]: https://www.hollischuang.com/archives/2583
[Java 8 _ Streams API]: https://www.ibm.com/developerworks/cn/java/j-lo-java8streamapi/index.html