编码集——解码和编码

一、字节串和字符串

字符是我们人正常认识的，这些符号保存到计算机中就是以计算机可以识别的字节的形式。

二、编码集

1、ASCLL编码：

127个字母 　　8个数据位　　最多0x7F

 

 

2、GB2312编码

每个汉字占据2字节（高位和低位），16个数据。GB2312是对ASCLL的中文扩展，共包含7000多个汉字。是计算机发展到中国后发展起来的编码，检测高位和低位，如果 同时大于 0x7F，则认为是GB2312，否则认为是ASCLL编码。

 

3、GBK（1995）和GB18030（2005/2000）

每个汉字占据2个字节，由于汉字数量太大，GB2312不能满足需求。GBK包括了GB2312的所有内容，同时增加了近20000个新的汉字（包括繁体）和符号。只要高位大于 0x7F，低位可以小于0x7F，认为是中文。

国家标准 GB18030-2000《信息交换用汉字编码字符集基本集的补充》是我国继GB2312-1980和GB13000-1993之后最重要的汉字编码集标准，包含我国少数民族文字，其中收录汉字70000余个。

 

4、Unicode编码

定长存储，将所有语言都统一到一套编码集，通常使用2个字节，有的是4个字节。收录很全。分为17个面，基本面采用2个字节，普通中文字也在基本面，另外16个面是4字节。

　　不兼容ASCLL码，即存储的时候，对ASCLL码前面补0，导致存储的数据变大。

 

5、utf-8——变长存储

国际标准组织（ISO）制定英文字符使用1个字节，沿用原来的ASCLL码

使用1~4个字节表示一个符号，中文存储使用3个字节（ASCLL码中的内容用1个字节保存/欧洲的字符用2个字节保存/东亚的字符用3个字节保存/特殊符号用4个字节）

Unicode是内存编码表示方案（规范），而utf-8是如何保存和传输 Unicode 方案（实现）

优点：虽然内存汇总的数据都是Unicode，但当数据保存到磁盘或者用于网络传输时，使用utf-8会节省更多的流量和硬盘空间。

如何判断几个字节表示一个字符：

每个字节添加识别位，其中高位识别位为4位，低位识别位为2位。判断高位字节开头有几个1，可以确定共有几个字节来表示一个字符。

 

6、utf-8和Unicode对应关系

utf-8去掉识别位，变成Unicode

 

三、编码和解码

编码：将字符转换为对应的二进制序列的过程叫做字符编码

解码：将二进制序列转换为对应的字符的过程叫做字符解码

 

 在C#中：

C# 的所有源代码文件，默认编码为 UTF-8，注意，是源代码文件，而不是 C# 中的 string。

C# 中的所有 string，默认编码均为 Unicode (UTF-16)。

C# 产生的 ASP.NET 源代码，如 ASPX/CS，在浏览器响应回去客户端之后，编码默认为 UTF-8。可以通过 ContentType 请求头信息更改默认编码。比如：ContentType: application/json, charset=utf-8。

C# 中可以用 System.Text.Encoding.ASCII 提供的相关方法，把默认 Unicode 编码的字符串转换为 ASCII。详细请参考 GetString，GetBytes，GetByteCount 等方法。
此部分参考文章：点这里

 

四、字符编码转换

参考文章：点这里