编码总结

2023年3月7日 156次阅读 来源: 东方飘雪

可以参照文章   https://blog.csdn.net/longwen_zhi/article/details/79704687

 

 

  • ASCII编码

 

最开始美国编写的编码，主要用于显示现代英语和其他西欧语言。它是现今最通用的单字节编码系统

   一个字节  8位二进制  （其中使用7 位二进制数（剩下的1位二进制为0）来表示所有的大写和小写字母，数字0 到9、标点符号， 以及在美式英语中使用的特殊控制字符。）

 

  •  GBK 编码 

GB2312    　后来中国用计算机，但ASCII编码不支持中文。咋办，中国自己搞了一个 GB2312。但只能标识大约7000个汉子

     　　　　　　 两个字节     16位二进制（当字符小于127位时，与ASCII的字符相同，但当两个大于127的字符连接在一起时，就代表一个汉字）

GBK 　　　中国汉子多，还有繁体字，7000个不够，咱办，在GB2312上继续扩展，重新定义规则，同时新增了近20000个新的汉字（包括繁体字）和符号。

　　　　　　　两个字节     16位二进制　（不在要求低字节一定是127之后的编码，只要第一个字节是大于127，就固定表示这是一个汉字的开始，不管后面跟的是不是扩展字符集里的内容）

GB18030     又叫“DBCS”，又有问题了，中国有56个民族，所以，我们再次对编码规则进行了扩展，又加了近几千个少数民族的字符

  • Unicode编码

 

 因为世界国家很多，每个国家都定义一套自己的编码标准，结果相互之间谁也不懂谁的编码，就无法进行很好的沟通交流，所以及时的出现了一个组织ISO决定定义一套编码方案来解决所有国家的编码问题。

这个新的编码方案就叫做Unicode。

Unicode不是一个新的编码规则，是一套字符集（为每一个「字符」分配一个唯一的 ID（学名为码位 / 码点 / Code Point）），可以将Unicode理解为一本世界编码的字典。
（ ISO规定：每个字符必须使用俩个字节，即用16位二进制来表示所有的字符，对于ASCII编码表里的字符，保持其编码不变，只是将长度扩展到了16位，其他国家的字符全部统一重新编码。

　　由于传输ASCII表里的字符时，实际上可以只用一个字节就可以表示，所以，这种编码方案在传输数据比较浪费带宽，存储数据比较浪费硬盘。）

  • UTF-8编码

由于Unicode比较浪费网络带宽和硬盘，因此为了解决这个问题，就在Unicode的基础上，定义了一套编码规则（将「码位」转换为字节序列的规则（编码/解码 可以理解为 加密/解密 的过程）），

这个新的编码规则就是UTF-8，采用1-4个字符进行传输和存储数据。 utf-8中一个汉字是3个字节

 

  • UTF-8和Unicode与GBK的关系

 utf-8——–    decode(解码)—–>>Unicode类型<<——-decode(解码)—–    gbk

 utf-8<<——–encode(编码)—–>>Unicode类型<<——-encode(编码)—–>>gbk

 

    原文作者：东方飘雪
    原文地址: https://www.cnblogs.com/zdyang/p/encode.html
    本文转自网络文章，转载此文章仅为分享知识，如有侵权，请联系博主进行删除。
点赞