ascii gbk utf-8 编码问题

刺骨的言语ヽ痛彻心扉 2021-06-24 14:36 360阅读 0赞

首先我们需要明白计算机底层中所有东西只能由010101二进制表现出来的，那么我们如何用01二进制来表现我们生活中字母数字呢？聪明的远古人类想到将01二进制数字和我们生活中的文字关联起来，形成一一对应。这样我们在计算机内部实际存储的是数字，而我们看到的则是经过渲染的文字。

## **一、ASCII** ##

由于美国日常使用中只有字母和数字，还有一些控制字符。一个字节8位，8位可以表示256种字符。因此用一个字节就可以很好满足美国使用要求。

Bin(二进制)   　Oct(八进制)    　Dec(十进制)　 Hex(十六进制)　 缩写/字符　  　　解释
    00000000　　　　　0　　　　　　　0　　　　　　00　　　　NUL(null)　　　　空字符
    00000001　　　　　1　　　　　　　1　　　　　　01　SOH(start of headline)　标题开始 00000010　　　　　2　　　　　　　2　　　　　　02　　STX (start of text)　　正文开始 00110000　　　　　60　　　　　　48　　　　　　30　　　　　　0　　　　　　数字0 00110001　　　　　61　　　　　　49　　　　　　31　　　　　　1　　　　　　数字1 00110010　　　　　62　　　　　　50　　　　　　32　　　　　　2　　　　　　数字2 01000001　　　　　101　　　　　65　　　　　　41　　　　　　A　　　　大写字母A　 01000010　　　　　102　　　　　66　　　　　　42　　　　　　B　　　　大写字母B 01000011　　　　　103　　　　　67　　　　　　43　　　　　　C　　　　大写字母C

根据上面的表格就能很好的将文字与二进制码对应起来，方便计算机存储。

## **二、gb2312和GBK** ##

现在美国文字可以很好表达，但是其他国家就不同意了，每个国家都有不同的文字。而我中国同样有着博大精深汉字。为了满足汉字需求，gb2312应运而生。  
　　由于一个字节已经无法满足数量的要求了。所以采用两个字节来表示汉字。第一个字节称为“高位字节”（也称“区字节）”，第二个字节称为“低位字节”（也称“位字节”）。区位码=区字节+位字节。例如“啊”字在大多数程序中，会以两个字节，0xB0（第一个字节） 0xA1（第二个字节）储存。  
　　虽然基本上gb2312已经能够覆盖99%的汉字，但是gb2312无法处理一些特殊文字，比如古文字。进一步有了GBK编码被设计出来。几乎涵盖了所有汉字。  
　　需注意gb2312和GBK都是兼容ascii编码的。也就是说gbk包含了ascii中的字符映射。  
　　中文还有个GB18030能够容纳更多文字。

## **三、Unicode** ##

每个国家都可以自己制定一套编码自己使用，比如我们中国使用gbk，但是你怎么和别人交流呢？别人可不管你使用的是gbk。这时候就需要一个统一组织将所有的文字都能够编码，要让所有国家都能认可。  
　　Unicode又称统一码、万国码。在表示一个Unicode的字符时，通常会用“U+”然后紧接着一组十六进制的数字来表示这一个字符。Unicode为了包含所有文字，使用更多位的字节的表示。但是对于有些文字使用多字节是比较浪费的，比如数字1，在ascii编码中明明能够使用一个字节就能够表示，在Unicode中有可能就是多字节表示。大大浪费的存储。

## **四、utf-8** ##

utf-8是Unicode的一种实现方式。实际情况使用变字节的来表示文字。使用1~4个字节表示一个字符，根据不同的字符而变化字节长度，当字符在ASCII 码的范围时，就用一个字节表示，而一个中文字符占3个字节。