关闭

手机开发实战44——手机字符编码介绍2

149人阅读 评论(0) 收藏 举报
分类:

编码

UTF-8

采用变长字节 (1 ASCII, 2 希腊字母, 3 汉字, 4 平面符号表示。在网络传输时即使错了一个字节,不影响其他字节,而双字节只要一个错了,其他也错了,具体如下: 
    
如果只有一个字节则其最高二进制位为0;如果是多字节,其第一个字节从最高位开始,连续的二进制位值为1的个数决定了其编码的字节数,其余各字节均以10开头。UTF-8最多可用到6个字节。 
UTF-16

采用2字节,Unicode中不同部分的字符都同样基于现有的标准。这是为了便于转换。

 0×00000×007FASCII字符,

0×00800×00FFISO-8859-1ASCII的扩展。

希腊字母表使用从0×0370 0×03FF 的代码,

斯拉夫语使用从0×04000×04FF的代码,

美国使用从0×05300×058F的代码,

希伯来语使用从0×05900×05FF的代码。

中国、日本和韩国的象形文字(总称为CJK)占用了从0×30000×9FFF的代码;由于0×00c语言及操作系统文件名等中有特殊意义,故很多情况下需要UTF-8编码保存文本,去掉这个0×00。举例如下: 
UTF-16: 0×0080  = 0000 0000 1000 0000 
UTF-8:   0xC280 = 1100 0010 1000 0000 
UTF-32
:采用4字节。 
优缺点 
    UTF-8
UTF-16UTF-32都可以表示有效编码空间 (U+000000-U+10FFFF) 内的所有Unicode字符。 
    
使用UTF-8编码时ASCII字符只占1个字节,存储效率比较高,适用于拉丁字符较多的场合以节省空间。 
    
对于大多数非拉丁字符(如中文和日文)来说,UTF-16所需存储空间最小,每个字符只占2个字节。 
    Windows NT
内核是UnicodeUTF-16),采用UTF-16编码在调用系统API时无需转换,处理速度也比较快。 
    
采用UTF-16UTF-32会有Big EndianLittle Endian之分,而UTF-8则没有字节顺序问题,所以UTF-8适合传输和通信。 
    UTF-32
采用4字节编码,一方面处理速度比较快,但另一方面也浪费了大量空间,影响传输速度,因而很少使用。

如何判断字符集

1字节序 
    
首先说一下字节序对编码的影响,字节序分为Big Endian字节序和Little Endian字节序。不同的处理器可能不一样。所以,传输时需要告诉处理器当时的编码字节序。对于前者而言,高位字节存在低地址,低字节存于高地址;后者相反。例如,0X03AB, 
Big Endian
字节序 
0000: 0 3 
0001: AB 
Little Endian
字节序是 
0000: AB 
0001: 0 3 
2
编码识别 
UNICODE
,根据前几个字节可以判断UNICODE字符集的各种编码,叫做Byte Order Mask方法BOM 
UTF-8: EFBBBF (
符合UTF-8格式,请看上面。但没有含义在UCSUNICODE
UTF-16 Big Endian
FEFF (没有含义在UCS-2
UTF-16 Little Endian
FFFE (没有含义在UCS-2
UTF-32 Big Endian
0000FEFF (没有含义在UCS-4
UTF-32 Little Endian
FFFE0000 (没有含义在UCS-4
GB2312
:高字节和低字节的第1位都是1 
BIG5
GBK&GB18030:高字节的第1位为1

0
0

查看评论
* 以上用户言论只代表其个人观点,不代表CSDN网站的观点或立场
    个人资料
    • 访问:487146次
    • 积分:9006
    • 等级:
    • 排名:第2070名
    • 原创:310篇
    • 转载:756篇
    • 译文:0篇
    • 评论:17条
    最新评论