字符编码ASCII ,Unicode ,UTF-8
最早的计算机在设计时采用 8 个比特(bit)作为一个字节(byte),所以,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。
由于计算机是美国人发明的,因此,最早只有 127 个字母被编码到计算机里,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。但是要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.
你可以想得到的是,全世界有上百种语言,日本把日文编到 Shift_JIS里,韩国把韩文编到 Euc-kr 里,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。因此, Unicode 应运而生。 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。
现在,捋一捋 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。你可以猜测,如果把 ASCII 编码的 A 用 Unicode 编码,只需要在前面补0 就可以,因此, A 的 Unicode 编码是 00000000 01000001。
新的问题又出现了:如果统一成 Unicode 编码,乱码问题从此消失了。但是,如果你写的文本基本上全部是英文的话,用 Unicode 编码比 ASCII编码需要多一倍的存储空间,在存储和传输上就十分不划算。所以,本着节约的精神,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。
搞清楚了 ASCII、 Unicode 和 UTF-8 的关系,我们就可以总结一下现在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。
用记事本编辑的时候,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:
相关文章
- Java中char和String 的深入理解 - 字符编码
- python统计大小写字符出现的个数
- 算法基础:删除字符串中出现次数最少的字符(Golang实现)
- 【Swift】学习笔记(三)——字符和字符串
- Unicode字符编码表
- JDK9的新特性:String压缩和字符编码
- string方法 PadLeft 返回一个新字符串,该字符串通过在此实例中的字符左侧填充指定的 Unicode 字符来达到指定的总长度,从而使这些字符右对齐。 PadRight 右边
- Matlab中字符向量元胞数组
- java基础—IO流——将一些字符写入到指定硬盘上的目录中去:
- PHP字符编码转换 iconv
- Java IO: 字节和字符数组
- 十分钟搞清字符集和字符编码
- Oracle字符编码
- C++中常见的字符判断与处理方法
- Swift3.0语言教程删除字符与处理字符编码
- 字符条件变成in条件格式数据
- 获取某个字符字段的最后3个字符的函数是什么?
- Java中常用的字符编码-解析
- 刨根究底字符编码之十六——Windows记事本的诡异怪事:微软为什么跟联通有仇?(没有BOM,所以被误判为UTF8。“联通”两个汉字的GB内码,其第一第二个字节的起始部分分别是“110”和“10”,,第三第四个字节也分别是“110”和“10”)
- JDK9的新特性:String压缩和字符编码
- 【python】or【php】网页中字符编码转换,将反斜杠u u字符串转为unicode/utf8
- spring mvc环境过滤器设置utf8字符编码和maven编译等设置(二)
- vue怎么引入echats并使用 (柱状图 字符云)
- Servlet字符编码过滤器
- C# 中的转译字符'/b'
- Linux下vi替换字符命令操作实例
- 【iOS】怎样推断文本文件的字符编码格式
- 深入理解Python字符编码--转