【补充】字符编码

【补充】字符编码

• 计算机的计量单位
  • 计算机的计量单位主要包括存储容量、处理速度和数据传输速率等。

（1）存储容量的计量单位：

• 位（bit）：表示最小的存储单位，取值为0或1。
• 字节（Byte）：8个位组成一个字节，是计算机中常用的最小存储单位。
• 千字节（KB）：1 KB = 1024 字节，约等于1000 字节。
• 兆字节（MB）：1 MB = 1024 KB，约等于1000 KB。
• 吉字节（GB）：1 GB = 1024 MB，约等于1000 MB。
• 太字节（TB）：1 TB = 1024 GB，约等于1000 GB。
• 拍字节（PB）：1 PB = 1024 TB，约等于1000 TB。

• ASCII（美国标准信息交换码）：
  • ASCII 是最早的字符编码之一
    • 于 1963 年开发
    • 使用 7 位二进制数表示 128 个字符
    • 包括英文字母、数字和一些常用符号。
• 扩展 ASCII：
  • 为了满足其他语言的字符需求
    • 扩展 ASCII 字符编码在 ASCII 的基础上增加了一个额外的 8 位来表示更多字符。
  • 其中，ISO-8859 系列是常见的扩展 ASCII 编码
    • 如 ISO-8859-1（西欧字符集）。
• Unicode（统一码）：
  • 为了解决不同国家和地区字符集的混乱问题，Unicode 应运而生。
  • Unicode 采用 16 位的编码空间，能够表示更多的字符
  • 目前版本的 Unicode 可以容纳超过 13 万个字符。
  • 最常见的编码方式是 UTF-8、UTF-16 和 UTF-32。
• UTF-8：
  • UTF-8 是一种变长字符编码方式
  • 可以用 1 至 4 个字节来表示一个字符。
  • 它兼容 ASCII 编码
    • 在表示 ASCII 字符时只需使用 1 个字节。
• UTF-16：UTF-16 使用固定的 16 位编码表示字符，可以表示 Unicode 码点从 U+0000 到 U+FFFF 的字符。对于码点大于 U+FFFF 的字符，UTF-16 采用了一种特殊的编码方式来表示。
• UTF-32：UTF-32 使用 32 位的编码空间来直接表示 Unicode 码点，每个字符都占用 4 个字节。UTF-32 简化了字符编码和处理过程，但相对于 UTF-8 和 UTF-16，它需要更多的存储空间。

• UTF-8 是一种变长字符编码方式
  • 它可以用不同长度的字节来表示不同范围的 Unicode 字符。

具体的表示规则如下：

• 对于 ASCII 字符（码点范围：U+0000 到 U+007F）

  • UTF-8 使用一个字节表示，即 8 位二进制数，前面以 0 开头。

• 对于以字节 110xxxxx 开头的连续 2 个字节

  • 表示的是 Unicode 码点范围为 U+0080 到 U+07FF 的字符。
  • 其中，xxxxx 是对应字符在 UTF-8 编码中的后 5 位。

• 对于以字节 1110xxxx 开头的连续 3 个字节

  • 表示的是 Unicode 码点范围为 U+0800 到 U+FFFF 的字符。
  • 其中，xxxx 是字符在 UTF-8 编码中的后 4 位。

• 对于以字节 11110xxx 开头的连续 4 个字节

  • 表示的是 Unicode 码点范围为 U+10000 到 U+10FFFF 的字符。
  • 其中，xxx 是字符在 UTF-8 编码中的后 3 位。

• 这种变长编码方式使得 UTF-8 可以灵活地表示多种字符

  • 根据字符所处的 Unicode 码点范围
  • 使用不同长度的字节进行编码。

• 相比于定长编码方式（如 UTF-16 和 UTF-32）

  • UTF-8 在表示 ASCII 字符时非常节省空间
  • 而且对于常用的字符集（如拉丁字母、汉字等）
  • 使用较少的字节进行编码。

• 这使得 UTF-8 成为广泛应用于互联网、操作系统和软件开发中的一种字符编码方式。

（2）处理速度的计量单位：

• 赫兹（Hz）：指代每秒钟的处理周期数。常见的处理器时钟频率单位有 MHz（百万赫兹）、GHz（十亿赫兹）等。

（3）数据传输速率的计量单位：

• 比特每秒（bps）：数据传输速率的基本单位，表示每秒传输的比特数。
• 千比特每秒（Kbps）：1 Kbps = 1024 bps，约等于1000 bps。
• 兆比特每秒（Mbps）：1 Mbps = 1024 Kbps，约等于1000 Kbps。
• 吉比特每秒（Gbps）：1 Gbps = 1024 Mbps，约等于1000 Mbps。