Unicode 和ASCII码

Dear 丶 2022-08-27 03:55 131阅读 0赞

![SouthEast][]

在Unicode中：汉字“字”对应的数字是23383（十进制），十六进制表示为5B57。在Unicode中，我们有很多方式将数字23383表示成程序中的数据，包括：[UTF-8][]、[UTF-16][]、[UTF-32][]。UTF是“UCS Transformation Format”的缩写，可以翻译成Unicode字符集转换格式，即怎样将Unicode定义的数字转换成程序数据。例如，“汉字”对应的数字是0x6c49和0x5b57，而编码的程序数据是：

<table> 
 <tbody> 
  <tr> 
   <td> <p><span style="font-family:Calibri; font-size:14px">1</span></p> <p><span style="font-family:Calibri; font-size:14px">2</span></p> <p><span style="font-family:Calibri; font-size:14px">3</span></p> </td> 
   <td> <p><code>chardata_utf8[]={0xE6,0xB1,0x89,0xE5,0xAD,0x97};//UTF-8</code><code>编码</code><code></code></p> <p><code>char16_tdata_utf16[]={0x6C49,0x5B57};//UTF-16</code><code>编码</code><code></code></p> <p><code>char32_tdata_utf32[]={0x00006C49,0x00005B57};//UTF-32</code><code>编码</code></p> </td> 
  </tr> 
 </tbody> 
</table>

这里用char、char16\_t、char32\_t分别表示无符号8位整数，无符号16位整数和无符号32位整数。UTF-8、UTF-16、UTF-32分别以char、char16\_t、char32\_t作为编码单位。（注： char16\_t 和 char32\_t 是 C++ 11标准新增的关键字。如果你的编译器不支持 C++ 11 标准，请改用 unsigned short和 unsigned long。）“汉字”的UTF-8编码需要6个字节。“汉字”的UTF-16编码需要两个char16\_t，大小是4个字节。“汉字”的UTF-32编码需要两个char32\_t，大小是8个字节。根据字节序的不同，UTF-16可以被实现为UTF-16LE或UTF-16BE，UTF-32可以被实现为UTF-32LE或UTF-32BE。下面介绍UTF-8、UTF-16、UTF-32、字节序和BOM。

[SouthEast]: /images/20220824/aa3749508c2441bfb003f481331715ea.png
[UTF-8]: http://baike.baidu.com/view/25412.htm
[UTF-16]: http://baike.baidu.com/view/497266.htm
[UTF-32]: http://baike.baidu.com/view/1453325.htm