编码与乱码
一、各个计量单位
- 1B（Byte 字节） = 8bit（位）：bit是表示信息的最小单位，只有两种状态：0和1。RGB图一个像素24bit，即3个字节一个像素。
- 1KB（千字节） = 1024B ：一个Byte可以代表一个字元（A~Z）、数字（0~9）、符号（，。？！%&+-*/），是记忆体存储资料的基本单位，每个中文需要2个Byte。
- 1MB（兆字节）= 1024KB ；
- 1GB（吉字节）= 1024MB ；
- 1TB（太字节）= 1024GB ；
二、编码方式的区别（ASCII、Unicode、UTF-8）
- ASCII码一共定义了128个字符编码，主要利用指定的7位二进制数组合表示128种可能的字符，最前面的一位统一规定为0。比如A是65（01000001）
- GBK编码：
- 由于ASCII编码不支持中文，所以国人定义了一套编码规则：当字符小于127位时，与ASCII的字符相同，但当两个大于127的字符连接在一起时，就代表一个汉字，这个规则叫做GB2312。
- 但是由于中国汉字很多，有些字无法表示，于是重新定义了规则：不再要求低字节一定是127之后的编码，只要高字节是大于127，就固定表示这是一个汉字的开始。这种扩展之后的编码方案称之为GB18030。
- Unicode编码：
- 是为了解决不同国家的编码冲突，最常用的是用两个字节表示一个字符，原有的英文编码从单字节变成双字节，只需要把高字节全部填为0就可以。但是问题在于，原本用一个字节存储的英文字母在Unicode里面必须存两个字节，这就产生了浪费。
- UTF-8编码：是一种既能消除乱码，又能避免浪费的编码方式。
- 它是一种变长的的编码方式，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。当字符在ASCII码的范围时，就用一个字节表示。
- 值得注意的是Unicode编码中一个中文字符占2个字节，而UTF-8中一个中文字符占3个字节。从Unicode到UTF-8不是直接的对应，而是要用一些算法和规则来转换。
- 不同编程语言的编程方式不同，以下是一些常见编程语言的编码方式：
- C/C++：默认使用ASCII编码方式；
- C#：默认使用Unicode编码方式；
- Java：默认使用UTF-8编码方式；
- Python：默认使用UTF-8编码方式；
- JavaScript：默认使用UTF-8编码方式；
- Ruby：默认使用UTF-8编码方式；
-
- PHP：默认使用ISO-8859-1编码方式，但可以通过设置修改为其他编码方式；
三、乱码问题
- 出现古文夹杂日韩文，以GBK读取UTF-8编码
- 出现方块形，以UTF-8读取GBK
- 各种符号，以ISO8859-1方式读取UTF-8
- 拼音码，带声调的字母，以ISO8859-1方式读取GBK
- 长度为奇数时，最后的字符变成问号，以GBK读取UTF-8编码，再用UTF-8格式再次读取。
- 大部分文字为锟斤拷，以UTF-8方式读取GBK码，再次用GBK格式再次读取。
四、高字节与低字节
- 假如定义一个变量的地址是0x1234 5678，占用0x1234 5678与0x1234 5679两个字节存储空间，其中0x1234 5678是低字节，0x1234 5679是高字节。
- 一个16进制数有两个字节组成，如A9：高字节就是指16进制数的前8位（A）,低字节就是指16进制的后8位（9）。
五、字符串与字节数组互转
1 string str = "你好,：。【】"+"Hello123"; 2 byte[] byteArray = System.Text.Encoding.UTF8.GetBytes(str); //将字符串转成字节数组 3 string strEncoding =4 Console.WriteLine("strEncoding = " + strEncoding); // strEncoding = 你好,：。【】"+"Hello123
注意：想要编码之后解码正确，需要确保编码方式一致。
