计算机编码:

转载 2017年08月13日 13:39:20

上一篇有很多啰嗦,这篇做一些补充:

所有语言的字符都用同一种字符集来表示,这就是Unicode。

最初的Unicode标准UCS-2使用两个字节表示一个字符,所以你常常可以听到Unicode使用两个字节表示一个字符的说法。但过了不久有人觉得256*256太少了,还是不够用,于是出现了UCS-4标准,它使用4个字节表示一个字符,不过我们用的最多的仍然是UCS-2。

UCS(Unicode Character Set)还仅仅是字符对应码位的一张表而已,比如”汉”这个字的码位是6C49。字符具体如何传输和储存则是由UTF(UCS Transformation Format)来负责。

一开始这事很简单,直接使用UCS的码位来保存,这就是UTF-16,比如,”汉”直接使用\x6C\x49保存(UTF-16-BE),或是倒过来使用\x49\x6C保存(UTF-16-LE)。但用着用着美国人觉得自己吃了大亏,以前英文字母只需要一个字节就能保存了,现在大锅饭一吃变成了两个字节,空间消耗大了一倍……于是UTF-8横空出世。

UTF-8是一种很别扭的编码,具体表现在他是变长的,并且兼容ASCII,ASCII字符使用1字节表示。然而这里省了的必定是从别的地方抠出来的,你肯定也听说过UTF-8里中文字符使用3个字节来保存吧?4个字节保存的字符更是在泪奔……(具体UCS-2是怎么变成UTF-8的请自行搜索)

新的问题又出现了: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。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:
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。
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:
这里写图片描述

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:
这里写图片描述

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。

【计算机基础】字符编码笔记:ASCII,Unicode和UTF-8

1. ASCII码 我们知道,在计算机内部,所有的信息最终都表示为一个二进制的字符串。每一个二进制位(bit)有0和1两种状态,因此八个二进制位就可以组合出256种状态,这被称为一个字节(byte)...

计算机组成.人机转换大字典.几种字符编码

一直到我刚上大学第一次在黑白控制台里打印出了“Hello World”之前,我都当电脑是一个游戏机,还天真的以为世界上只有windows一个操作系统。 当时也是第一次接触了ASCII编码,才知道计算机...

关于《编码:隐匿在计算机软硬件背后的语言》

版权所有,请勿转载 这段时间,拜读了一下Charles Petzold的大作>,整体来说,这个它的封面所描述的一样,永不退色的计算机科学经典,评价就不多作了,然后总结一下自己的感受。 整体而言,我...

聊聊计算机中的编码(Unicode,GBK,ASCII,utf8,utf16,ISO8859-1等)以及乱码问题的解决办法

作为一个程序员,一个中国的程序员,想来“乱码”问题基本上都遇到过,也为之头疼过。出现乱码问题的根本原因是编码与解码使用了不同而且不兼容的“标准”,在国内一般出现在中文的编解码过程中。我们平时常见的编码...

计算机数值和非数值数据编码基础

数值的存储都是小端模式:little endian,网络的传输是大端模式:big endian。 1.整数用补码表示 正数和0的补码是自身;负数的补码是符号位不变,其余各位取反,最后加1(加1是因...

编码:隐匿在计算机软硬件背后的语言(4)--二进制减法器

二进制减法器
  • hit_why
  • hit_why
  • 2016年12月04日 21:45
  • 160

计算机编码简介(ASCII、ANSI、EBCDIC、Unicode)

1) ASCII(American Standard Code for Information Interchange,美国信息交换标准码)是使用最广的。使用ASCII码编码的文件称为ASCII文件。...
  • wjeson
  • wjeson
  • 2012年04月16日 09:42
  • 2793

【转】计算机算法:数据压缩之游程编码

简介 无论现在计算机和网络的速度有多快,用户始终要求更快速的体验。为了降低传输数据的容量,我们通常会对数据进行压缩。这就是计算机科学领域一直是研究和发展的焦点的原因。 数据压缩算法有很多,有些是无...

计算机字符编码

一、ASCII码

计算机的各种编码1

最近一直在复习,遇到神马各种码弄得我非常郁闷,最终专题研究了一下,留给自己一份材料,也分享给大家…… 本文所说的编码,主要针对字符的IO的编码,不涉及数字编码,视频、音频编码和校验码之类其他编码……...
内容举报
返回顶部
收藏助手
不良信息举报
您举报文章:计算机编码:
举报原因:
原因补充:

(最多只允许输入30个字)