摘要：一規(guī)則下的漢字使用編碼方式的文件，一個漢字所占用的是三個字節(jié)，而其他字母控制字符之類還是按照的編碼方式，即占一個字節(jié)。

　　使用UTF-8編碼方式的文件，一個漢字所占用的是三個字節(jié)(byte)，而其他字母控制字符之類還是按照ASCII的編碼方式，即占一個字節(jié)。為了在解碼的時候區(qū)分，經(jīng)對三千個常用漢字的測試發(fā)現(xiàn)，在漢字所占用的三個字節(jié)當中：

一個字節(jié)轉(zhuǎn)換為10進制的范圍為：[-28 ~ -23]

第二個字節(jié)和第三個字節(jié)的10進制范圍均為：[-128 ~ -65]

???????這樣在比如new String(byte[] b)類的函數(shù)在解碼的時候，就能夠通過字節(jié)為正來判斷是ASCII字符，如是在[-28 ~ -23]范圍內(nèi)則是一個漢字的開始，并且后面還有兩個[-128 ~ -65]范圍的字節(jié)時，就會把這三個字節(jié)轉(zhuǎn)換為一個漢字。
　　測試代碼如下：

public class FileInputStreamTest
{
    public static void main(String[] args) throws IOException
    {

        FileInputStream fis = new FileInputStream("srcIO系統(tǒng)漢字");
        List> listTreeSet =new ArrayList<>();
        for(int i=0;i<3;i++)
            listTreeSet.add(new TreeSet());
        
        byte[] bbuf = new byte[3];
        int hasRead = 0;
            while ((hasRead = fis.read(bbuf)) > 0 )
            {
                //System.out.println(new String(bbuf , 0 , hasRead ));//可用來查看當前bbuf字節(jié)數(shù)組表示的一個漢字
                for(int i=0;i<3;i++)
                    if(bbuf[i]<0) {
                    //這里用了這一句是因為eclispe里面一行有長度限制，所以將漢字分成了三行，因為每行末換行符和回車符各占一個字節(jié)，再在下行初加上一個字母比如a就可以使得三個字符被一起讀走而不影響漢字字節(jié)的讀取順序，其他的每三個字符仍然是一個漢字
                            listTreeSet.get(i).add((int) bbuf[i]);
                    }
            }
            for(int i=0;i<3;i++)
            System.out.println("第"+(i+1)+"個字節(jié)："+listTreeSet.get(i));
        fis.close();
    }
}
/**
第1個字節(jié)：[-28, -27, -26, -25, -24, -23]
第2個字節(jié)：[-128, -127, -126, -125, -124, -123, -122, -121, -120, -119, -118, -117, -116, -115, -114, -113, -112, -111, -110, -109, -108, -107, -106, -105, -104, -103, -102, -101, -100, -99, -98, -97, -96, -95, -94, -93, -92, -91, -90, -89, -88, -87, -86, -85, -84, -83, -82, -81, -80, -79, -78, -77, -76, -75, -74, -73, -72, -71, -70, -69, -68, -67, -66, -65]
第3個字節(jié)：[-128, -127, -126, -125, -124, -123, -122, -121, -120, -119, -118, -117, -116, -115, -114, -113, -112, -111, -110, -109, -108, -107, -106, -105, -104, -103, -102, -101, -100, -99, -98, -97, -96, -95, -94, -93, -92, -91, -90, -89, -88, -87, -86, -85, -84, -83, -82, -81, -80, -79, -78, -77, -76, -75, -74, -73, -72, -71, -70, -69, -68, -67, -66, -65]

**/

java的char類型，只有兩個字節(jié)，在采用utf-8編碼時，為什么可以存儲漢字？：

　　Unicode是一種字符集(charset)，即字符的集合。UTF-8與UTF-16都是是一種建立在Unicode字符集上面的編碼方式(encoding)，是將Unicode字符集里的字符轉(zhuǎn)換成具體的二進制流。所不同的是在UTF-8和UTF-16當中，將Unicode中一個漢字編碼成二進制后，分別是三個字節(jié)大小和兩個字節(jié)大小。
　　在一個Java文件(例如該文件為UTF-8編碼)里面寫上這樣一句話char a = "猿";如圖所示，編譯后生成的class文件是UTF-8的，不過是modified的(可能與通常的utf-8的機制有些許區(qū)別)，一個漢字仍然是占三個字節(jié)的，但關(guān)鍵在于運行的時候會將其轉(zhuǎn)換為UTF-16編碼方式下的，這樣在運行的時候char類型當中仍然只放有兩個字節(jié)，所以java編譯器也是允許用char來存放中文字符的。
詳細參考回答java編譯器編碼和JVM編碼問題？

　　關(guān)于字符集與編碼方式的關(guān)系：字符集就是字符的集合，如ASCII，GBK，BIG5，Unicode等，編碼方式是即可理解為定義在字符集上的映射規(guī)則。
　　對于unicode字符集，有utf8,utf16,utf32等多種編碼方式，但對于其他字符集，只有一種默認的編碼方式：比如，ASCII，GBK，GB2312等，不僅僅代表字符集，同時也代表了（默認的）的編碼方式。

　　在win10中默認的字符集是gb2312，。用notepad++隨便打開一個txt文件，在右下角就能看到字符集

　　而我自己在eclipse里面設(shè)置的編碼是utf-8(對應(yīng)字符集是不同的，所以）

　　所以對于我們在windows記事本中創(chuàng)建的txt文件直接復制到eclipse中就會出現(xiàn)亂碼，如下所示，因為兩個文件采用了不同的字符集，發(fā)生了亂碼：


而且經(jīng)過測試這種GB2312與UTF-8之間的相互轉(zhuǎn)換的效果是不可逆的(因為發(fā)生了信息丟失)，代碼如下：

public class TestCharset {
    public static void main(String[] args) throws IOException {
        Charset utf8 = StandardCharsets.UTF_8;
        Charset gbk2312 = Charset.forName("GB2312");

        //將某段文字以gb2312編碼后得到的字節(jié)數(shù)組，再以utf-8進行解碼得到的文字是亂碼，并且這段亂碼中丟失了信息。
        //所以不能再轉(zhuǎn)換回utf-8了
        ByteBuffer BytesExpressTextOnGBK2312 = gbk2312.encode("天生我才必有用");
        CharBuffer Decode_BytesExpressTextOnGBK2312_UseUTF8 = utf8.decode(BytesExpressTextOnGBK2312);
        System.out.println("將"天生我才必有用"按照GBK2312規(guī)則編碼后得到的字節(jié)數(shù)組,再以UTF8解碼得到的文字：
"+Decode_BytesExpressTextOnGBK2312_UseUTF8);
        
        ByteBuffer Encode__Decode_BytesExpressTextOnGBK2312_UseUTF8__UseUTF8 = utf8.encode(Decode_BytesExpressTextOnGBK2312_UseUTF8);
        CharBuffer Decode___Encode__Decode_BytesExpressTextOnGBK2312_UseUTF8__UseUTF8___UseGBK2312 = gbk2312.decode(Encode__Decode_BytesExpressTextOnGBK2312_UseUTF8__UseUTF8);
        System.out.println("將上面的文字再反向以UTF8編碼得到的字節(jié)數(shù)組，再按照GBK2312解碼得到的文字：
"+Decode___Encode__Decode_BytesExpressTextOnGBK2312_UseUTF8__UseUTF8___UseGBK2312);
        
        System.out.println("-----------------------------------------------分割線-----------------------------------------------");
        
        //同樣 將某段文字以utf8編碼后得到的字節(jié)數(shù)組，再以utf-8進行解碼得到的文字是亂碼，并且這段亂碼中丟失了信息
        //逆向后大部分文字也不能恢復，不過比上面的完全不能恢復好了一些
        ByteBuffer BytesExpressTextOnUTF8 = utf8.encode("天生我才必有用");
        CharBuffer Decode_BytesExpressTextOnUTF8_UseGBK2312 = gbk2312.decode(BytesExpressTextOnUTF8);
        System.out.println("將"天生我才必有用"按照UTF8規(guī)則編碼后得到的字節(jié)數(shù)組,再以GBK2312解碼得到的文字：
"+Decode_BytesExpressTextOnUTF8_UseGBK2312);
        
        ByteBuffer Encode__Decode_BytesExpressTextOnUTF8_UseGBK2312__UseGBk2312= gbk2312.encode(Decode_BytesExpressTextOnUTF8_UseGBK2312);
        CharBuffer Decode___Encode__Decode_BytesExpressTextOnUTF8_UseGBK2312__UseGBk2312___UseUTF8 = utf8.decode(Encode__Decode_BytesExpressTextOnUTF8_UseGBK2312__UseGBk2312);
        System.out.println("將上面的文字再反向以GBK2312編碼得到的字節(jié)數(shù)組，再按照UTF8解碼得到的文字：
"+Decode___Encode__Decode_BytesExpressTextOnUTF8_UseGBK2312__UseGBk2312___UseUTF8);
    }
}
/**
將"天生我才必有用"按照GBK2312規(guī)則編碼后得到的字節(jié)數(shù)組,再以UTF8解碼得到的文字：
????????????
將上面的文字再反向以UTF8編碼得到的字節(jié)數(shù)組，再按照GBK2312解碼得到的文字：
錕斤拷錕斤拷錕揭才憋拷錕斤拷錕斤拷
-----------------------------------------------分割線-----------------------------------------------
將"天生我才必有用"按照UTF8規(guī)則編碼后得到的字節(jié)數(shù)組,再以GBK2312解碼得到的文字：
澶╃??????蹇?????
將上面的文字再反向以GBK2312編碼得到的字節(jié)數(shù)組，再按照UTF8解碼得到的文字：
天?????????????
**/

　　那為什么我們直接從txt復制文字過去就不會變成亂碼呢？
　　目前找到的比較信服的觀點是：對于復制粘貼文字而言，虛擬機軟件(比如我們的java虛擬機)、遠程主機軟件都會有一個「介于兩系統(tǒng)之間的」剪貼板，「連接起」這兩個系統(tǒng)的各自剪貼板，并做一些編碼格式轉(zhuǎn)換的工作。這樣我們復制過去的文字就肯定不會出現(xiàn)亂碼了。
　　按照這個說法，推測就是說eclispe當中會有一個針對windows系統(tǒng)的剪貼板，比如當我們從txt中復制過去的文字(實際上應(yīng)該是字節(jié)數(shù)組)與eclispe中的我們設(shè)置的編碼不同的話，先會按照txt原本的編碼規(guī)則對字節(jié)數(shù)組進行解碼得到文字，然后再按照eclispe我們設(shè)置的編碼規(guī)則進行編碼，這然后就可以粘貼過去而不出錯了。但也只是一種推測可能原理不是這樣，但肯定的是做了一些編碼轉(zhuǎn)換的工作。

擴展文章：Java編碼問題原因以及解決