有关ASCII、Unicode、UTF-8、GBK的一些知识

GoodLifeBro

扩展知识:
byte(字节):计算机中基本的存储单元
bit(比特):计算机中最小的存储单位
1byte=8bit
图片.png
字:计算机进行数据处理时,一次存取、加工和传送的数据长度称为字(word),一个字通常由一个或者多个字节构成。
16位计算机:一个字长就是16位,两个字节。
32位计算机:一个字长度是32位,四个字节。

了解:ASCII码

  • 在计算机内部,所有数据都使用二进制表示。每一个二进制位(bit)有0和1两种状态,因此8个二进制位就可以组合出256种状态,这被称为一个字节(byte)。一个字节一共可以用来表示256种不同的状态,每一个状态对应一个符号,就是256个符号,从0000000到11111111。
  • ASCII码:上个世纪60年代,美国制定了一套字符编码,对英语字符与二进制位之间的关系,做了统一规定。这被称为ASCII码。ASCIIl码一共规定了128个字符的编码,比如空格“SPACE"是32(二进制00100000),大写的字母A是65(二进制01000001)。这128个符号(包括32个不能打印出来的控制符号),只占用了一个字节的后面7位,最前面的1位统一规定为0。
  • ASCII的缺点:

    • 不能表示所有字符。
    • 相同的编码表示的字符不一样:比如,130在法语编码中代表了é,在希伯来语编码中却代表了字母Gimel (:)

了解: Unicode编码

  • 乱码:世界上存在着多种编码方式,同一个二进制数字可以被解释成不同的符号。因此,要想打开一个文本文件,就必须知道它的编码方式,否则用错误的编码方式解读,就会出现乱码。
  • Unicode:一种编码,将世界上所有的符号都纳入其中。每一个符号都给予一个独无二的编码,使用Unicode没有乱码的问题。
  • Unicode 的缺点:Unicode只规定了符号的二进制代码,却没有规定这个二进制代码应该如何存储:无法区别Unicode 和ASCII:计算机无法区分三个字节表示一个符号还是分别表示三个符号。另外,我们知道,英文字母只用一个字节表示就够了,如果unicode统一规定,每个符号用三个或四个字节表示,那么每个英文字母前都必然有二到三个字节是0,这对于存储空间来说是极大的浪费。这时我们就需要一个对Unicode编码的实现。

了解:UTF-8

  • UTF-8是在互联网上使用最广的一种 Unicode 的实现方式。
  • UTF-8是一种变长的编码方式。它可以使用1-6个字节表示一个符号,根据不同的符号而变化字节长度。
  • UTF-8的编码规则:

    • 对于单字节的UTF-8编码,该字节的最高位为0,其余7位用来对字符进行编码(等同于ASCIl码)。
    • 对于多字节的UTF-8编码,如果编码包含n个字节,那么第一个字节的前n位为1,第1个字节的第n+1位为0,该字节的剩余各位用来对字符进行编码。在第一个字节之后的所有的字节,都是最高两位为"10",其余6位用来对字符进行编码。

了解:GBK

GBK: 专门用来解决中文编码,双字节。

是在国家标准GB2312基础上扩容后兼容GB2312标准。

包含全部中文字符。

UTF-8: 解决国际上制度的一种多字节编码,对英文使用8位(1个字节),中文使用24位(3个字节)来编码。

对于英文字符较多的论坛适用于UTF-8节省空间。

包含全世界所有国家需要用到的字符。

简言而知,GBK编码方式的编码是以中国国情而创造的,在国际上的兼容性不好,这也是为什么大多数的网页是使用UTF-8编码而不是GBK。

阅读 395

少年的肩上不只有草长莺飞,还有肆无忌惮的勇往直前!

1 声望
0 粉丝
0 条评论

少年的肩上不只有草长莺飞,还有肆无忌惮的勇往直前!

1 声望
0 粉丝
文章目录
宣传栏