位、字节、字、字符集、字符编码。

怼烎@ 2022-03-22 15:20 277阅读 0赞

###  ###

### 字节 ###

### （Byte 发音：/‘bait/）：。数据存储是以“字节”(Byte)为单位,数据传输是以“位”（bit）为单位，一个位就代表一个0或1，每8个位（bit）组成一个字节（Byte）。8bit=1Byte 注意1b不等于1B    ###

###     ###

###  ###

### 字 ###

在[计算机][Link 1]中，一串数码作为一个整体来处理或运算的，称为一个计算机字，简称字。字通常分为若干个字节(每个字节一般是8位)。在[存储器][Link 2]中，通常每个单元存储一个字，因此每个字都是可以[寻址][Link 3]的。字的长度用位数来表示

在[计算机][Link 1]的[运算器][Link 4]、[控制器][Link 5]中，通常都是以字为单位进行传送的。字出现在不同的地址其含义是不相同。例如，送往控制器去的字是指令，而送往[运算器][Link 4]去的字就是一个数。

### 字长 ###

[计算机][Link 1]的每个字所包含的位数称为 [字长][Link 6]。根据 [计算机][Link 1]的不同， [字长][Link 6]有固定的和可变的两种。固定字长，即字长度不论什么情况都是固定不变的；可变字长，则在一定范围内，其长度是可变的。

计算的 [字长][Link 6]是指它一次可处理的 [二进制数][Link 7]字的数目。 [计算机][Link 1]处理数据的速率，自然和它一次能加工的位数以及进行运算的快慢有关。如果一台 [计算机][Link 1]的字长是另一台计算机的两倍，即使两台计算机的速度相同，在相同的时间内，前者能做的工作是后者的两倍。

一般地，大型 [计算机][Link 1]的字长为32― [64位][64]， [小型计算机][Link 8]为12―32位，而 [微型计算机][Link 9]为4一16位。 [字长][Link 6]是衡量 [计算机][Link 1]性能的一个重要因素。

### 字节 ###

字节是指一小组相邻的 [二进制数][Link 7]码。通常是8位作为一个字节。它是构成信息的一个小单位，并作为一个整体来参加操作，比字小，是构成字的单位。

在 [微型计算机][Link 9]中，通常用多少字节来表示 [存储器][Link 2]的存储容量。

例如，在C++的 [数据类型][Link 10]表示中，通常 char为1个字节， [int][]为4个字节， [double][]为8个字节。

理解编码的关键，是要把 [字符][Link 11]的概念和字节的概念理解准确。这两个概念容易混淆，我们在此做一下区分：

概念描述 举例

[字符][Link 11] 人们使用的记号，抽象意义上的一个符号。 '1'， '中'， 'a'， '$'， '￥' ……

字节  [计算机][Link 1]中存储数据的单元，一个8位的 [二进制数][Link 7]，是一个很具体的 [存储空间][Link 12]。0x01， 0x45， 0xFA……

### 字符串 ###

在 [内存][Link 13]中，如果“ [字符][Link 11]”是以 [ANSI][]编码形式存在的，一个字符可能使用一个字节或多个字节来表示，那么我们称这种字符串为  [ANSI][] 字符串或者多字节字符串。如，"中文123" （占8字节，包括一个隐藏的\\0）。

### 字符集和代码页 ###

对于ANSI编码方式，存在不同的 [字符集][Link 14]（Charset）。同样的字节序列，在不同的 [字符集][Link 14]下表示的字符不一样。要正确解析一个ANSI [字符][Link 11]串，还要选择正确的 [字符集][Link 14]，否则就可能导致所谓的 [乱码][Link 15]现象。不同语言版本的 [操作系统][Link 16]，都有一个默认的 [字符集][Link 14]。在不指定 [字符集][Link 14]的情况下，系统会使用此字符集来解析 ANSI 字符串。也就是说，如果我们在简体中文版的Windows下打开了一个由日文 [操作系统][Link 16]保存的 ANSI 文本文件（仅包含 ANSI  [字符][Link 11]串的文本文件），我们看到的将是 [乱码][Link 15]。但是，如果我们使用 [Visual Studio][]之类的带编码选择的 [文本编辑器][Link 17]打开此文件，并且选择正确的 [字符集][Link 14]，我们将可以看到它的原貌。注意：简体中文 [字符集][Link 14]中的繁体字和 [繁体中文][Link 18]字符集中的繁体字，编码不一定相同（事实证明，似乎是完全不同）。

每个 [字符集][Link 14]都有一个唯一的编号，称为 [代码页][Link 19]（Code Page）。简体中文（GB2312）的代码页为936，而系统默认 [字符集][Link 14]的代码页为0，它表示根据系统的语言设置来选择一个合适的字符集。

### UNICODE ###

[字符][Link 11]串 在 [内存][Link 13]中，如果“字符”是以在Unicode中的序号存在的，那么我们称这种字符串为Unicode字符串或者宽字节字符串。在Unicode中，每个 [字符][Link 11]都占两个字节。如，"中文123"（占10字节）。

Unicode和ANSI的区别就相当于 [输入法][Link 20]内的“ [全角][Link 21]”和“ [半角][Link 22]”的区别。

由于不同 ANSI 编码所规定的标准是不相同的（ [字符集][Link 14]不同），因此，对于一个给定的多字节字符串，我们必须知道它采用的是哪一种字符集则，才能够知道它包含了哪些“字符”。而对于 UNICODE  [字符][Link 11]串来说，不管在什么环境下，它所代表的“字符”内容总是不变的。Unicode 有着统一的标准，它定义了世界上绝大多数的 [字符][Link 11]的编码，使得拉丁文、数字、简体中文、繁体中文、日文等都能以同一种编码方式保存。

Unicode当然是一个很大的集合，现在的规模可以容纳100多万个符号。每个符号的编码都不一样，比如，U+0639表示阿拉伯字母Ain，U+0041表示英语的大写字母A，“汉”这个字的Unicode编码是U+6C49。

Unicode固然统一了编码方式，但是它的效率不高，比如UCS-4(Unicode的标准之一)规定用4个[字节][Link 23][存储][Link 24]一个符号，那么每个英文字母前都必然有三个字节是0，这对存储和传输来说都很耗资源。

### 1、编码方法 ###

Unicode 标准始终使用十六进制数字，而且在书写时在前面加上前缀“U+”，例如字母“A”的编码为 004116 和字符“?”的编码为 20AC16。所以“A”的编码书写为“U+0041”。

## UTF-8 ##

[UTF-8][] 是Unicode的其中一个使用方式。 UTF是 Unicode Translation Format，即把Unicode转做某种格式的意思

UTF-8便于不同的计算机之间使用 [网络传输][Link 25] 不同语言和编码的文字，使得双 [字节][Link 23] 的Unicode能够在现存的处理单字节的系统上正确传输。

为了提高Unicode的编码效率，于是就出现了UTF-8编码。UTF-8可以根据不同的符号自动选择编码的长短。比如英文字母可以只用1个 [字节][Link 23]就够了。

UTF-8的编码是这样得出来的，以”汉”这个字为例：

“汉”字的Unicode编码是U+00006C49，然后把U+00006C49通过UTF-8编码器进行编码，最后输出的UTF-8编码是E6B189。

UTF-8使用可变长度 [字节][Link 23] 来储存 Unicode字符，例如ASCII字母继续使用1字节储存，重音文字、希腊字母或 [西里尔字母][Link 26] 等使用2字节来储存，而常用的汉字就要使用3字节。 [辅助平面][Link 27] 字符则使用4 [字节][Link 23] 。

### UTF-16 和 UTF-32 编码 ###

UTF-32、 [UTF-16][] 和 UTF-8 是 Unicode 标准的编码字符集的 [字符编码][Link 28]方案，UTF-16 使用一个或两个未分配的 16 位代码单元的序列对 Unicode 代码点进行编码；UTF-32 即将每一个 Unicode 代码点表示为相同值的 32 位整数

# 字符编码 #

计算机中的信息包括数据信息和控制信息，数据信息又可分为数值和非数值信息。非数值信息和控制信息包括了字母、各种控制符号、图形符号等，它们都以二进制编码方式存入计算机并得以处理，这种对字母和符号进行编码的 [二进制代码][Link 29] 称为字符代码（Character Code）。计算机中常用的字符编码有ASCII码（ [美国标准信息交换码][Link 30] ）和EBCDIC码（扩展的BCD交换码）。

# 字符集 #

字符(Character)是各种文字和符号的总称，包括各国家文字、标点符号、图形符号、数字等。字符集(Character set)是多个字符的集合，字符集种类较多，每个字符集包含的字符个数不同，常见字符集名称：ASCII字符集、GB2312字符集、BIG5字符集、 GB18030字符集、Unicode字符集等。

[Link 1]: http://baike.baidu.com/view/3314.htm
[Link 2]: http://baike.baidu.com/view/87697.htm
[Link 3]: http://baike.baidu.com/view/1303626.htm
[Link 4]: http://baike.baidu.com/view/147768.htm
[Link 5]: http://baike.baidu.com/view/122229.htm
[Link 6]: http://baike.baidu.com/view/731.htm
[Link 7]: http://baike.baidu.com/view/1349.htm
[64]: http://baike.baidu.com/view/125381.htm
[Link 8]: http://baike.baidu.com/view/532177.htm
[Link 9]: http://baike.baidu.com/view/22503.htm
[Link 10]: http://baike.baidu.com/view/675645.htm
[int]: http://baike.baidu.com/view/804413.htm
[double]: http://baike.baidu.com/view/860124.htm
[Link 11]: http://baike.baidu.com/view/263416.htm
[Link 12]: http://baike.baidu.com/view/1375172.htm
[Link 13]: http://baike.baidu.com/view/1082.htm
[ANSI]: http://baike.baidu.com/view/185282.htm
[Link 14]: http://baike.baidu.com/view/51987.htm
[Link 15]: http://baike.baidu.com/view/47.htm
[Link 16]: http://baike.baidu.com/view/880.htm
[Visual Studio]: http://baike.baidu.com/view/28727.htm
[Link 17]: http://baike.baidu.com/view/487023.htm
[Link 18]: http://baike.baidu.com/view/148357.htm
[Link 19]: http://baike.baidu.com/view/684997.htm
[Link 20]: http://baike.baidu.com/view/38725.htm
[Link 21]: http://baike.baidu.com/view/517185.htm
[Link 22]: http://baike.baidu.com/view/517188.htm
[Link 23]: http://baike.baidu.com/view/60408.htm
[Link 24]: http://baike.baidu.com/view/87682.htm
[UTF-8]: http://baike.baidu.com/view/25412.htm
[Link 25]: http://baike.baidu.com/view/1542295.htm
[Link 26]: http://baike.baidu.com/view/701246.htm
[Link 27]: http://baike.baidu.com/view/628174.htm
[UTF-16]: http://baike.baidu.com/view/497266.htm
[Link 28]: http://baike.baidu.com/view/1204863.htm
[Link 29]: http://baike.baidu.com/view/2418160.htm
[Link 30]: http://baike.baidu.com/view/2884349.htm