我们的服务器为linux系统，日志中的字段通常会用不同分隔符来做分隔，在不同操作系统编码格式下查看也会有不同的体现，甚至会出现所谓的乱码。我在xshell5下常用的编码格式Unicode(UTF-8)和默认语言。通常xshell5的默认语言能查看到分隔符隔开的字段，而utf-8不能。在网上查了下\001作为分隔符的日志，从linux终端复制出来用notePad打开时看到的SOH，而\002分隔的，从终端复制到编辑器是里STX。。。

比如下案例：

一 java代码：
public class appendTest {
    public static void main(String[] args) {
        String string1 = "HOW";
        String string2 = "DO";
        String string3 = "YOU";
        String string4 = "DO";
        StringBuffer clickBuffer = new StringBuffer();
        clickBuffer.append(string1).append("\001").append(string2).append("\002").append(string3).append("\003").append(string4);
        System.out.println(clickBuffer);
    }
}
二 放到linux下编译运行：javac appendTest.java;java appendTest.查看结果
默认语言时：linux下显示为--,复制到notePad++中，显示为
unicode时：HOWDOYOUDO。
java代码中：会写成"\001" "\002"，或者任意其他字符，作为分隔。

 我在查看日志时，大多从linux终端(默认语言下)复制到notePad++里，再用编辑器的替换功能，按分隔符换行，对比各个字段。如需调用接口进行插入，则在notepad++里将分隔符替换成”\001″之类写入时的分隔符，进行写入。

下面是网上找的一些资料，不过并不是我想要的，后续再熟悉熟悉看。

1 ASCII码

在计算机内部，所有的信息最终都表示为一个二进制的字符串，每一个二进制位(bit)有0和1两种状态，因此八个二进制就可以组合出2的8次方=256种状态，被称为一个字节(byte)，即，一个字节可以用来表示256种不同的状态，从00000000到11111111。上个世纪60年代，美国指定了一套字符编码，对英语字符和二进制位之间的关系，做了统一规定。被称为ASCII码。ASCII一共规定了128个字符的编码，占用一个字节的后7位，最前面的1位统一规定为0。比如空格”SPACE”是32，即00100000.

英语用128个符号编码就够了，但是其他语言，128个符号并不能满足需求。另不同的国家有不同的字母。哪怕他们都是用256个符号的编码方式，代表的字母却不一样。因此编码格式是多种多样的。

2 Unicode

世家上存在如此多的编码方式，同一个二进制数字便可被解释成不同的符号。因为打开文件必须知道它的编码方式，否则用错误的方式解读，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。

可以想象，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当然是一个很大的集合，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。

然后Unicode也有它自己的问题，它只是一个符号集，只规定了符号的二进制代码，却没有规定这个二进制代码应该如何存储。比如汉字”严”的unicode是十六进制数4E25，转成二进制足足有15位 100111000100101，也就是说这个符号的表示至少需要2个字节。表示其他更大的符号，可能需要3个字节或者4个字节，甚至更多。

这里就有两个严重的问题，第一个问题是，如何才能区别Unicode和ASCII?计算机怎么知道三个字节表示一个符号，而不是分别表示三个符号呢？第二个问题是，英文字母只用一个字节表示就够了，如果Unicode统一规定，每个符号用三个或四个字节表示，那么每个英文字母前面必然有几个字节是0，对于存储来说，文本文件的大小会因此大出二三倍，这是无法接受的。他们造成的结果是：1)出现了Unicode的多种存储方式，也就是说有许多不同的二进制格式，可以用来表示Unicode;2)Unicode在很长的一段时间内无法推广，直到互联网出现。

3.UTF-8

互联网的普及，强烈要求出现一种统一的编码方式。UTF-8就是在互联网上使用最广的一种Unicode的实现方式。其他实现方式还包括UTF-16（字符用两个字节或四个字节表示）和UTF-32（字符用四个字节表示），不过在互联网上基本不用。重复一遍，这里的关系是，UTF-8是Unicode的实现方式之一。

UTF-8最大的一个特点，就是它是一种变长的编码方式。它可以使用1~4个字节表示一个符号，根据不同的符号而变化字节长度。

UTF-8的编码规则很简单，只有二条：

1）对于单字节的符号，字节的第一位设为0，后面7位为这个符号的unicode码。因此对于英语字母，UTF-8编码和ASCII码是相同的。

2）对于n字节的符号（n>1），第一个字节的前n位都设为1，第n+1位设为0，后面字节的前两位一律设为10。剩下的没有提及的二进制位，全部为这个符号的unicode码。

解读UTF-8编码非常简单。如果一个字节的第一位是0，则这个字节单独就是一个字符；如果第一位是1，则连续有多少个1，就表示当前字符占用多少个字节。

ASCII编码-控制字符