浅谈ASCII码unicode编码UTF-8编码的区别

Posted 2021-01-04 mengzhi7

 

字符集：是一堆字符组成的集合，用来指定字节或者字符串映射成二进制的规则

　　　　（在计算机中存储的，无论是字节还是字符串都是以二进制模式存储的。）

 

ASCII编码和Unicode编码的区别：

　　ASCII编码是1个字节，而Unicode编码通常是2个字节（2-4个字节）。

　　字母A用ASCII编码是十进制的65，二进制的01000001；

　　字符0用ASCII编码是十进制的48，二进制的00110000，注意字符‘0‘和整数0是不同的；

　　汉字“中”已经超出了ASCII编码的范围，用Unicode编码是十进制的20013，二进制的01001110 00101101。

　　如果把ASCII编码的A用Unicode编码，只需要在前面补0就可以，因此，A的Unicode编码是00000000 01000001。

新的问题又出现了：如果统一成Unicode编码（定长编码），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。

所以，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。如果你要传输的文本包含大量英文字符，用UTF-8编码就能节省空间：

 

 

总结一下现在计算机系统通用的字符编码工作方式：

　　从上面的表格还可以发现，UTF-8编码有一个额外的好处，就是ASCII编码实际上可以被看成是UTF-8编码的一部分，所以，大量只支持ASCII编码的历史遗留软件可以在UTF-8编码下继续工作

　　 计算机的5个组成部分：硬盘、内存（Unicode速度快）、控制器和计算中心、i/o　　

　　(1)在计算机内存中，统一使用Unicode编码(速度快)，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。

　　(2)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：

　　

　　(3)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<meta charset="UTF-8" />的信息，表示该网页正是用的UTF-8编码。其他几个常见的字符集： 

 

补充：其他常用的字符集

（1）gb2312编码：简体汉字编码规范。 2个字节16个数据位

（2）big5：支持汉字繁体编码规范

（3）GBK：亚洲的比如中文、韩文、日文，大字符集