字符集编码---1 基本概念
Posted o--ok
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了字符集编码---1 基本概念相关的知识,希望对你有一定的参考价值。
“给定一个字符,对应各种字符集编码后的二进制形式到底是什么样子?”,对于这个问题,我自己也不甚清楚。而且日常工作中,每次遇到这个问题都是靠一款叫做 CodeView 的工具解决。所以接下来不涉及具体的编码过程,只对基本概念、各平台下的字符集转换做介绍。
本文为第一部分,对常用字符集编码做概念性介绍。以下是查阅维基百科和牛人博客后,我自己的一种理解,并不一定十分准确。首先,要来理解两个概念:
字符集:
字符与二进制码一一对应的集合。
字符编码:
存储和解析字符集中的二进制码。而不同字符集收录的字符数目不同,规模不同,所以不同字符集的编码规则是不同的,但同一字符集的编码规则是相同的。所以很多时候,字符集定下来,其编码规则也就定下来。
接下来就介绍几种常用的字符集(编码)
EBCDIC(Extended Binary Coded Decimal Interchange Code):
扩增二进式十进交换码,IBM指定的一个字符编码表,在AS/400等系统上使用,平时几乎不太能见到。
ACSII:
包含英文字母在内的128个常见字符集,所以每个字符的编码长度为:1 字节。
Unicode:
统一码,几乎涵盖世上所有的符号。只定义了字符与二进制码的对应关系,未定义二进制码的存储、解析规则。
UTF-8(8-bit Unicode Transformation Format):针对Unicode的可变长字符编码。每个字符的编码长度为:1 ~ 6 字节。
UTF-16:也是一种针对Unicode的可变长字符编码。每个字符的编码长度为:2 ~ 4 字节。
GBK:
汉字内码扩展规范,是对GB2312(即CP936)的扩展,收录了汉字及图形符号。一般不特殊说明,GB2312、CP936、GBK都指的是GBK。
每个字符的编码长度为: 1 ~ 2 字节。
根据上面介绍,有些时候需要用多个字节来表示一个字符,那么就要关注一下内存的存储方式啦。
LE(Little Endian):
小字端存储,低位数字在前,放在低位。如,十六进制0x1234,存储后为:0x34 0x12
BE(Big Endian):
大字端存储,高位数字在前,放在低位。如,十六进制0x1234,存储后为:0x12 0x34
参考链接:
字符编码笔记:ACSII,Unicode和UTF-8 (其实基本就是这篇的阅读笔记)
以上是关于字符集编码---1 基本概念的主要内容,如果未能解决你的问题,请参考以下文章