字符编码基础

Posted 2021-01-01 zhangceblogs

ACSII

美国最初制定的字符编码，对英语字符和二进制之间的关系做了统一规定。

但ASCII码一共规定了128个字符的编码，用来表示其他语言是远远不够的，所以有了Unicode

Unicode

Unicode是一个符号集

javascript允许直接使用码点表示Unicode字符，‘好‘===‘u597D‘

uneacape(‘u597d‘) //好

javaScript使用UCS-2编码格式，属于Unicode的子集

Unicode范围一般所用为u0000-uffff,占用两字节大小，最多只能表示65536个字符。

Unicode的四字节形式被称为UCS-4或UTF-32,包含了Unicode的扩展部分，最多可定义100万以上唯一字符。

UTF-8/16/32

UTF-8是编码传输方式

UTF-8是变长编码，根据每个Unicode代码点不同，可以有1-3个字节的不同长度。

Unicode符号范围	UTF-8编码方式
(十六进制)	(二进制）
0000 0000-0000 007F	0xxxxxxx
0000 0080-0000 07FF	110xxxxx 10xxxxxx
0000 0800-0000 FFFF	1110xxxx 10xxxxxx 10xxxxxx
0001 0000-0010 FFFF	11110xxx 10xxxxxx 10xxxxxx 10xxxxxx

UTF-16长度相对固定，只要不处理大于u200000范围的字符，每个Unicode代码点使用16位（2字节）表示，超出部分使用两个UTF-16(4字节)表示。按照高低位字节顺序，又分为UTF-16BE/UTF_16LE.

LE(Litter endian)“小头方式”，以Unicode 4E25为例，需要两个字节来存储，25在前，4E在后就是“大头模式”（Big endian）

UTF-32长度始终固定，每个Unicode代码点使用32位即4字节表示。按照高低位字节顺序，又分为UTF-32BE/UTF-32LE。

进制转换方法

1. 十进制转为其他进制

var x = 66;
x.toString(16); //"42"

1. 其他进制转换为十进制

parseInt(11,2);//3

写一个方法，将n进制转换为m进制

function translate(num,n,m){
    return parseInt(num,n).toString(m)
}

扩展阅读

http://www.ruanyifeng.com/blog/2014/12/unicode.html

https://blog.whezh.com/encoded/