16.基础语法-字符存储原理

16 字符存储原理

16.1 字符存储

　　数字是有限的，常用汉字三四千，汉字一共两万多字，将每个汉字进行编号

举例：it黑马！ 转换对应，i -> 105 、t -> 116 、黑 -> 40657 、马 -> 39532 、！-> 33 从而使字符和数字有了一一对应关系，再将数字转成二进制存储

16.2 编码表

字符与数字映射关系的规则，称之为编码表

16.2.1 ASCII码

　　ASCII码：美国信息交换标准编码，规定了数字字符、英语字母、其他常用符号等共计128个字符及对应的数值编号，每个字符对应的数值称为码点（Code Point）

　　0 - 127 共 128 个字符，0 - 31 前 32 个为特殊字符，其余都是键盘常见字符

　　由于常见字符对应的码点用 8 个二进制位就可以表示，因此计算机设计时就默认以每8个bit为一组来读写数据。

　　每8个bit称为一个 Byte（字节），简写为 B，是计算机中数据读写的基本单位。

1 KB = 1024 B

1 MB = 1024 KB

1 GB = 1024 MB

1 TB = 1024 GB

ASCII码 只有英文字母，因此只能满足英语国家的需求，非英语国家无法使用，比如中文

16.2.2 GBK码

　　GBK码，全称是《汉字内码扩展规范》，兼容ASCII码表的同时，扩展了21003个汉字，用两个字节来表示字符。

以黑马为例：

黑 1011 1010 1101 1010
马 1100 0010 1110 1101

16.2.3 Unicode码

　　Unicode码，也叫统一码或万国码，是由 ISO（国际标准化组织）制定的码表。包含了世界上大部分国家的大多数文字和字符，大约有14万多，其中包含了65536个常用基础字符，剩下的是补充字符，汉字的码点通常都只占用2字节。

以黑马为例：（注：与上面GBK码存储不同）

黑 1001 1110 1101 0001
马 1001 1010 0110 1100

当以一种码形式存储，而以另一种码形式读取时，例如：GBK 码存储，以 Unicode码读取时，会发生错乱，这种叫乱码。

Unicode编码表有多种不同的实现方式，常见的有：

　　UTF-8：是一种变长的编码方式（即根据字符本身的码点动态变化），它可以使用 1~4 个字节（例如：字母是 1 个字节，汉字是 2 个字节）表示一个符号，根据不同的符号而变化字节长度，可以节省内存空间

　　UTF-16：也是变长编码方式，基础字符用 2 个字节，补充字符用 4 个字节

　　UTF-32：固定长度编码，不管字符的 Unicode 码多大，统一使用 4 个字节，相对浪费内存

16.2.4 UTF-8码

UTF-8 根据字符本身的码点动态变化的规则

UCS-2 编码（16进制）	UTF-8 编码（二进制）
0000 - 007F（7 x 16 + 15）	0xxxxxxxx
0080 - 07FF	110xxxxx 10xxxxxx
0800 - FFFF	1110xxxx 10xxxxxx 10xxxxxx
01 0000 - 10 FFFF	11110xxx 10xxxxxx 10xxxxxx 10xxxxxx

 

 

 

 

 

以字符 黑 1001 1110 1101 0001 二进制为例， 查看 黑 字符所在 16进制 区间，1001 1110 1101 0001 = 9 + E + D + 1 = 9ED1 ，对比 9ED1 所在区间为 0800 - FFFF 之间，即 1110xxxx 10xxxxxx 10xxxxxx 的 二进制区间，存入原则以占位形式自后向前存入，即 11101001 10111011 10010001（黑 1001 1110 1101 0001）

验证：

UTF-8 编码（十六进制）：E9 BB 91（通义千问）

打开电脑计算机 -> 科学模式 -> 程序员 -> HEX 输入 E9 BB 91

16.3 小结

1.计算机如何存储字符数据？

　　制定字符与数字映射关系，称之为字符编码表，这样就可以把字符转为数字，数字从而转为二进制进行存储。

2.常见字符编码表有哪些？有什么特点？

　　ASCII码：占1个字节，最高位是0，低7位表示0~127个字符（0111 1111）

　　GBK：国标码表，占2个字节，兼容ASCII码，包含大多数中文字符（两万多个）

　　Unicode：统一码、万国码，包含全世界大多数国家的字符和符号，有多种实现方式

　　　　UTF-8：变长码，根据码点大小，占1~4个字节（最常用）

　　　　UTF-16：变长码，基础字符占2字节，其它字节占4字节（很少用）

　　　　UTF-32：固定码，统一占4字节（浪费内存，很少用）

———————————————————————————————————————————————————————————————————————————

                                                                                                                         无敌小马爱学习