2025年编码

2025年编码

科技前沿 • 2025-02-11 10:56 • 阅读 56

大家好，我是讯享网，很高兴认识大家。

一, 常见码表:

ASCII：美国标准信息交换码。 用一个字节的7位可以表示，最高位为符号位。 ISO8859-1：拉丁码表。欧洲码表 用一个字节的8位表示。 GB2312：中国的中文编码表。 GBK：中国的中文编码表升级，融合了更多的中文文字符号。 GB18030：GBK的取代版本 BIG-5码 ：通行于台湾、香港地区的一个繁体字编码方案，俗称“大五码”。

讯享网

二, 编码冲突问题

讯享网Unicode：国际标准码，融合了多种文字。 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）, Java语言使用的就是该编码。

三, 传输以及存储数据冗余问题

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。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: 称为通用转换格式，即UTF（Universal Transformation Format)。 目前存在的UTF格式有：UTF-7, UTF-7.5, UTF-8, UTF-16, 以及 UTF-32。 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。

四, UTF-8和Unicode不存在隶属关系, UTF-8不是Unicode的一部分,不是把高位为零的截取掉那么简单

Unicode转换到UTF-8规则如下：

(1)如果Unicode编码的16位二进制数的前9位是0，则UTF-8编码用一个字节来表示，这个字节的首位是0，剩下的7位与原二进制数据的后7位相同。例如：

讯享网 Unicode编码：\u0061 = 00000000 0 UTF-8编码： 0 = 0x61

(2)如果Unicode编码的16位二进制数的头5位是0，则UTF-8编码用2个字节来表示，首字节用110开头，后面的5位与原二进制数据去掉前5个零后的最高5位相同；第二个字节以10开头，后面的6位与原二进制数据的低6位数据相同。例如：

讯享网

Unicode编码： \u00A9 = 00000000  UTF-8编码：   = 0xC2 0xA9

(3)如果不符合上述两个规则，则用3个字节表示。第一个字节以1110开头，后四位为原二进制数据的高四位，第二个字节以10开头，后六位为原二进制数据的中间6位，第三个字节以10开头，后6位为原二进制数据的低6位。例如：

讯享网Unicode编码： \u4E2D = 0 00 UTF-8编码：    = 0xE4 0xB8 0xAD

五, ASCII可以看做是UTF-8的一部分

英文的Unicode码符合上面第四小节的第一条转码规则,使得英文情况下Unicode转成utf-8,同时也转成了ASCII表示方式.

六, 内存编码, 存储编码, 传输编码

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。

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：
在这里插入图片描述
浏览网页的时候，服务器会把动态生成的Unicode内容转换为UTF-8再传输到浏览器：

所以你看到很多网页的源码上会有类似的信息，表示该网页正是用的UTF-8编码。