点击此处浏览总目录

字符编码

最早的计算机在设计时采用8个比特(bit)作为一个字节(byte)
一个字节能表示的最大的整数就是255(二进制11111111=十进制255),
如果要表示更大的整数,就必须用更多的字节,比如两个字节可以表示的最大整数是65535,4个字节可以表示的最大整数是4294967295

ASCII编码
  由于计算机是美国人发明的,因此最早只有127个字符被编码到计算机里,也就是大小写英文字母、数字和一些符号,这个编码表被称为ASCII编码
  比如大写字母A的编码是65,小写字母z的编码是122

GB2312编码
  处理中文显然一个字节是不够的,至少需要两个字节,而且还不能和ASCII编码冲突
  所以,中国制定了GB2312编码,用来把中文编进去

其他国家编码
  日文:Shift_JIS
  韩文:Euc-kr

Unicode编码
  全世界有上百种语言,各国有各国的标准,就会不可避免地出现冲突,结果就是,在多语言混合的文本中,显示出来会有乱码
  Unicode把所有语言都统一到一套编码里,这样就不会再有乱码问题了
  Unicode标准也在不断发展,但最常用的是用两个字节表示一个字符(如果要用到非常偏僻的字符,就需要4个字节)
  现代操作系统和大多数编程语言都直接支持Unicode

ASCII编码和Unicode编码的区别
  ASCII编码是1个字节,而Unicode编码通常是2个字节

UTF-8编码
  如果统一成Unicode编码,乱码问题便可解决,但如果文本基本上全部是英文,则用Unicode编码会比ASCII编码多占用一倍的存储空间,在存储和传输上就很不划算
  因此针对此问题,又出现了把Unicode编码转化为“可变长编码”的UTF-8编码

  UTF-8编码把一个Unicode字符根据不同的数字大小编码成1-6个字节
  常用的英文字母被编码成1个字节,汉字通常是3个字节,只有很生僻的字符才会被编码成4-6个字节
  如果要传输的文本包含大量英文字符,用UTF-8编码就能节省空间

  UTF-8是包含了ASCII编码的,因此可以将ASCII编码看成是UTF-8编码的一部分
  所以大量只支持ASCII编码的历史遗留软件可以在UTF-8编码下继续工作

计算机系统通用的字符编码工作方式
  在计算机内存中,统一使用Unicode编码,当需要保存到硬盘或者需要传输的时候,就转换为UTF-8编码
  比如,使用记事本,从文件读取的UTF-8字符被转换为Unicode字符到内存里,编辑完成后,保存的时候再把Unicode转换为UTF-8保存到文件
  浏览网页的时候,服务器会把动态生成的Unicode内容转换为UTF-8再传输到浏览器
  所以很多网页的源码上会有类似<meta charset="UTF-8" />的信息,表示该网页正是用的UTF-8编码

posted @ 2019-05-20 13:04 立业的博客 阅读(...) 评论(...) 编辑 收藏