彩世界开奖app官网-彩世界平台官方网址(彩票平台)
做最好的网站
来自 彩世界开奖app官网 2019-12-06 22:05 的文章
当前位置: 彩世界开奖app官网 > 彩世界开奖app官网 > 正文

编制程序中编码的发源及发展彩世界开奖app官网

ASCII、Unicode和UTF-8编码的区别

摘要总结:

ASCII的编码是128个字符
GB2312编码用来把中文编进去的,日本把日文编进Shift_JIS里...
Unicode是为了解决各国乱码的,但浪费存储空间
UTF-8编码把一个Unicode字符根据不同的数字大小编码成1-6字节,英文字符是1个字节,汉字通常是3个字节,生僻字符是4-6个字节

常用编码介绍一览表:

编码 作用 所占字节数
ASCII 表示英语及西欧语言 1bytes
GB2312 国家简体中文字符集,兼容ASCII 2bytes
Unicode 国家标准组织统一标准字符集 2bytes
GBK GB2312的扩展字符集,支持繁体字,兼容GB2312 2bytes
UTF-8 不定长编码 1-3bytes

具体解释127个字母被编码到计算机中,也就是大小写英文字母、数字和一些符号,这个编码表被成为ASCII编码,比如大小字母A代表65,小写字母a代表97。

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。

你可以想到的是,全世界有上百种语言,日本把日本编到Shift_JIS里,韩国把韩文编到Euc-kr里,各国有各国的标准,就不可避免的出现了冲突,结果就是:在多语混合的文本中,显示出来会乱码。

因此,Unicode应运而生,Unicode把所有语言都统一到一套编码里,这样就不会出现问题了。

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。

新的问题又出现了:如果统一换成Unicode编码,乱码的问题就消失了,但是,如果写的文章里都是英文的话,Unicode编码比ASCII编码需要多一倍的存储空间,在存储和传输上就不划算了。

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,常用的英文占用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。如果你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编码有一个额外的好处,就是ASCII编码实际上可以被看成是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。

字母A用ASCII编码是十进制的65,二进制的01000001

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

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。

汉字已经超出了ASCII编码的范围,用Unicode编码是十进制的20013,二进制的01001110 00101101

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。如果你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:

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。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。

来源:

 

 

从上面的编码还可以发现,UTF-8编码有一个额外的好处,就是ASCII编码实际上可以被看成是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。

 

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。

彩世界开奖app官网 1

字符                                  A                                                           **
ASCII                                
01000001                                           x**
Unicode             00000000 01000001                                      01001110 00101101
UTF-8                                01000001                    11100100 10111000 10101101**

字符0用ASCII编码是十进制的48,二进制的00110000,注意字符'0'和整数0是不同的;

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:

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。

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:

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。

 

彩世界开奖app官网 2

本文由彩世界开奖app官网发布于彩世界开奖app官网,转载请注明出处:编制程序中编码的发源及发展彩世界开奖app官网

关键词: