野火

  博客园  :: 首页  :: 新随笔  :: 联系 :: 订阅 订阅  :: 管理

多年来闲麻烦,只记录笔记,不曾编写BLOG,本文为原创,如需转载请标明出处

废话不说,直奔主题

  • ascii  
 
计算机只接受 “高”、“低”电压,所以使用二进制  1  和  0 分别代表高低电压
ascii  将 “字符”和“符号”转为二进制,在通过二进制转为电压让计算机识别
 
0-127 是 7 位ASCII 码的范围,是国际标准  0111 1111
 
  • byte 字节
 
1 byte = 8 bit     就是8位二进制数    在不同语言中,字节范围不应,这主要取决于最高位是不是符号位
 
ascii  就是用一个字节,8位二进制表示一个字符或者符号
 
如 小写字母 a 的 ascii 编码是97,不同进制表示如下
 
二进制:01100001   (高四位 0110 低四位  0001)  
十进制:26 + 25 + 20 = 64 + 32 + 1 = 97
 
了解了ASCII,再来看看其他编码和byte的关系
 
gb2312     两字节     
utf-8          一个 "英文" 字符一字节,一个 "中文" 字符三字节
unicode     所有字符等于 "两个字节"
 
  • UTF-8
 
以 UTF-8 JAVA 中 将字符串转换为字节为例
 
//字符串和byte转换样本
byte[] str2byte = new String("中汉").getBytes("utf-8");
for (byte b : str2byte) {
     System.out.println(b);
}
byte[] byte2str = { -28, -72, -83, -27, -101, -67 };
String str = new String(byte2str, "utf-8");
System.out.println(str);
 
解释:
 
比如 “汉” 这个字要在网络上传输,最终是要使用二进制表示电压
 
unicode 编码表中 “汉”字的编码是0x6C49,
转成UTF-8格式,对照映射表, 0x6C49在0x0800-0xFFFF之间, UTF-8使用用3字节模板了:1110xxxx 10xxxxxx 10xxxxxx
0x6C49 是16进制表示, 6C49  写成二进制是:0110 1100 0100 1001
用这个比特流依次代替模板中的x,得到:11100110 10110001 10001001,即E6 B1 89
 
在 java 中,首先要把汉字转成字节,计算出来的 是 -26,-79,-119,我们发现和E6 B1 89 不同
那么是如何换算呢
E6 => 1110 0110   因为JAVA中 byte 是 -128 ~ 127,高位是符号位
计算方式为    采用补码计算  取反后+1   去掉符号位,0001 1001 + 1 = 16+8+1 + 1 = 26
高位1 位负数, 所以 E6 对应 -26, 在通过字节传输给网络流,转成二进制
 
那么使用UTF-8 将一串中英文转成二进制,计算机如何接收呢
 
这个就是UTF-8规则编码,计算机指定了UTF8编码接收二进制并进行转移,当发现字节以0开头,表示这是一个标准ascii字符,直接转义 ,当发现1110开头,就说明接下来的三个字节表示一个汉字,则取3个字节去掉模板后转义,UTF8编码模板如下
 
 
1字节 0xxxxxxx
2字节 110xxxxx 10xxxxxx
3字节 1110xxxx 10xxxxxx 10xxxxxx
4字节 11110xxx 10xxxxxx 10xxxxxx 10xxxxxx
5字节 111110xx 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx
6字节 1111110x 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx
 
  • base64
 
作用:
  主要用于将二进制数据转换成可见字符
 
由来:
  早期 MIME 协议 Multipurpose Internet Mail Extensions 只能传输ASCII字符,这样非英文字符和图片就无法在邮件中发送
  (ASCII包含的字符少,GBK等包含的中文在ascii表示不了,所以有UTF)
 
  BASE64就是将这些二进制数据转换成64个定义好的ASCII字符,一方面可以传输,一方面可以也可见,比如XML里加入二进制图片持久化,就是用 BASE64 进行存储
  BASE64  最小使用单元是3字节,24bit   转换后将24bit且成4块,然后每块是6bit,因为计算机存储字节是8bit,所以在高位补两个0
  
  e.g.    100101  转换后   00100101
  这样就得到了4个ascii  字符,不过长度也随之增加
 
  另外,URL里不支持 /  +这类字符,所以一般使用  safe  url base 64编码,由于BASE64是3*8 = 4*6 的游戏,
 
  注意:当转换成6位时,需要查BASE64编码表,而不是查ASCII表,另外,当转化不是3的倍数时,看下图
 
  (借用网上的一张图片 http://www.cnblogs.com/caoyc/p/5794720.html)
  

 

  这里再举例小写 a 

  01100001   转换后是   011000   010000  补4个0变成2字节,得到YQ,BASE64要求4个字节  补两个 ==
  得到  YQ==
 
文章参考:http://www.cnblogs.com/caoyc/p/5794720.html
         
posted on 2018-06-14 18:05  野火  阅读(10715)  评论(0编辑  收藏  举报