字符编码

Posted 2020-07-13 记性不好，多记记吧

1. ASCII (American Standard Code for Information Interchange，美国信息互换标准代码) 是基于拉丁字母的一套电脑编码系统, 共定义了128个字符。

编码方式：用一个字节表示 0x00~0x7F  缺点：只能显示26个基本拉丁字母、阿拉伯数目字和英式标点符号

二进制	十进制	十六进制	字符	解释
0000 0000	0	00	NULL(null)
0011 0000	48	30	0	数字0
0100 0001	65	41	A
0110 0001	97	61	a
0111 1111	177	7F	DEL	删除

2. ANSI编码 不同的国家和地区制定了不同的标准，由此产生了 GB2312、GBK、Big5、Shift_JIS 等各自的编码标准。这些使用 1 至 4 个字节来代表一个字符的各种延伸编码方式，称为 ANSI 编码。

windows操作系统默认是ANSI编码。在简体中文OS中为GBK，在日文OS中为Shift_JIS。不同ANSI间不相互兼容。

一个好玩的例子（百度百科）GBK：新建一个空的文本文件，用记事本打开（必须是Windows自带的记事本），只输入“联通”二字保存关闭(输入“1联通”也是联通显示的也是乱码)，再重新打开时将是乱码！

3. Unicode (万国码，统一码，国际码) 是计算机科学领域里的一项业界标准。它对世界上大部分的文字系统进行了整理、编码，使得电脑可以用更为简单的方式来呈现和处理文字。

编码方式：两个字节表示一个字符

实现方式：Unicode的实现方式不同于编码方式。一个字符的Unicode编码是确定的。但是在实际传输过程中，由于不同系统平台的设计不一定一致，以及出于节省空间的目的，对Unicode编码的实现方式有所不同。Unicode的实现方式称为Unicode转换格式（Unicode Transformation Format，简称为UTF）。

例如：如果一个仅包含基本7位ASCII字符的Unicode文件，如果每个字符都使用2字节的原Unicode编码传输，其第一字节的8位始终为0。可以使用UTF-8编码，这是一种变长编码，它将基本7位ASCII字符仍用7位编码表示，占用一个字节（首位补0）。

4. UTF-8 (8-bit Unicode Transformation Format) 是一种针对Unicode的可变长度字符编码。

它可以用来表示Unicode标准中的任何字符，且其编码中的第一个字节仍与ASCII兼容，这使得原来处理ASCII字符的软件无须或只须做少部分修改，即可继续使用。因此，它逐渐成为电子邮件、网页及其他存储或发送文字的应用中，优先采用的编码。

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。

字符	ASCII	Unicode	UTF-8
A	0100 0001	0000 0000 0100 0001	0100 0001
中	-	0100 1110 0010 1101	1110 0100 1011 1000 1010 1101

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，可以节省空间~