需要编码的原因

• 计算机中存储的最小单元是一个字节，即8bit，所以能表示的字符范围是0~255个。
• 人类要表示的符号太多，无法用一个字节来完全表示。
• 要解决这个矛盾必须要有一个新的数据结构char，从char到byte必须编码。

java文字识别程序的关键是寻找一个可以调用的OCR引擎。tesseract-ocr就是一个这样的OCR引擎，在1985年到1995年由HP实验室开发，现在在Google。tesseract-ocr 3.0发布，支持中文。不过tesseract-ocr 3.0不是图形化界面的客户端，别人写的FreeOCR图形化客户端还不支持导入新的 3.0 traineddata。但这标志着，现在有自由的中文OCR软件了。

Unicode

Unicode能够使计算机实现跨语言、跨平台的文本转换及处理。

Unicode 联盟（Unicode Consortium）

Unicode 联盟（Unicode Consortium）开发了 Unicode 标准（Unicode Standard）。他们的目标是使用标准的 Unicode 转换格式（即 UTF，全称 Unicode Transformation Format）取代现有的字符集。