常用编码格式介绍

编程过程中经常会遇到各类字符的编码方式，经常会混淆，在此总结下常用的编码方式以及其原理。

Ascii：

　　因为对于计算机来说只能识别0、1这两种字符（0表示低电平，1表示高电平），所有的数据都是通过二进制来表示，对于其他的比如说3、4、s、z、#等字符用二进制表示就需要一个约定的规范，这就是ascii的由来。

　　Ascii码表是用1个字节来表示128种字符（一个字节8位，可以组成256种字符，首位默认为0，所以ASCII最多就128个字符，当首位为1的时候我们后面再讨论），其中0-31和127表示控制字符，他们是不可见字符。

　　32-126是可见字符，48-57表示0-9，65-90为26个大写英文字母，97-122是26个小写英文字母。

 

GBK:

　　现在英文和数字都有了，但是我们中国汉字怎么表示呢？此时GBK应运而生，上面我们得知ASCII首位为0，假如把它改成1，就表示中文。GBK由2个字节来表示，第一个字节的最高位是0则表示字母和数字，假如是1则表示中文。

 

Unicode：

　　Unicode则是收录了世界上所有的语言， 但是在运用过程种会出现很多问题，比如一个3个字节的字符，如何区分他是1个unicode还是3个asicii，还有假如使用unicode，英文字母高位都会设置成0，这就造成了很大的浪费。因此UTF-8、UTF-16、UTF-32就出现来解决这些问题，主要讲当前互联网上常用的UTF-8

UTF-8：

　　UTF-8的规则很简单就两条：

　　1、 对于单字节的字符，最高位为0，其实跟ascii表示一致

　　2、 对于n个字节的字符，第一个字节的最高位为n个1，第n+1设为0，后面每个字节的前两位都为10，剩下的用字符对应的unicode来表示，如下图

　　Unicode符号范围 | UTF-8编码方式
　　(十六进制) | （二进制）
　　--------------------+---------------------------------------------
　　0000 0000-0000 007F | 0xxxxxxx
　　0000 0080-0000 07FF | 110xxxxx 10xxxxxx
　　0000 0800-0000 FFFF | 1110xxxx 10xxxxxx 10xxxxxx
　　0001 0000-0010 FFFF | 11110xxx 10xxxxxx 10xxxxxx 10xxxxxx

 

BCD：

　　BCD编码主要用于数字0-9的压缩，因为0-9二进制表示为0000 0000到0000 1001，它们的前4位都是0，把他们合并就生成一个新的字符。

比如2个字符’1’,’9’，他们对应的Ascii为0x31和0x39，因此表示形式则为2个字节0x31 0x39

假如用BCD格式来表示则将其数字对应的二进制前4位去掉，然后合并，即将00000001和00001001前4位去掉得到0001 1001，得到新的1个字节0x19,这样看起来就跟十进制一样，这就是BCD压缩码的原理。

 

Base64编码：

　　Base64编码的作用是将ascii里面的不可见字符变成可见字符来传输。Base64编码的最小使用单元是4个字节，每个字节使用6位，假如不足6的整数倍，则后面补0，剩下的字符补=，因为计算机存储字节是8位，所以计算字符值时在前面补2个0。

 可能说的有些绕，看下一张图就了解了

（借用网上的一张图片 http://www.cnblogs.com/caoyc/p/5794720.html）

以A为例补位之后第一个字节为010000，前面补0得到00010000，对应10进制为16，对照字符表得到Q，第二个字节一样，也是Q，然后base64编码最小是4个字节，后面两个字节补=，最终得到QQ==

 

 

下面是一个Base64字符集，它包含大写字母、小写字母和数字，以及“+”和“/”符号。