搞清楚字符编码10-万国码[6]

这篇博客简要介绍一下万国码的BOM信息以及万国码的大小端

实际存储编码总结

在前边的几篇博客中介绍在主要的几种万国码的实际存储编码，在这里简单的总结一下.

实际存储编码	对应的理论编码	是否变长存储	编码大小	其他名称
ucs-2	ucs2	不变长存储	2个字节	Unicode
utf-8	ucs2、ucs4	变长存储	最小1个字节，最大6个字节(分配的基本单位是1个字节)
utf-16	ucs4	变长存储	2个字节或4个字节(分配的基本单位是2字节)
utf-32	ucs4	不变长存储	4个字节	ucs-4

BOM信息

什么是BOM信息

• BOM信息是一种标示，用于告诉文本编辑器这个文件使用的是什么编码，以及编码使用的大端存储还是小端存储.
• 例如utf-8的BOM信息是EF BB BF，如果保存文件时使用的是UTF-8 with BOM这种编码在文件的最前边就会有这段信息.
• 如果保存时使用的是普通的UTF-8编码就没有这段BOM信息.

注意

即使文件保存时没有保存BOM信息，文本编辑器仍然能够知道文件使用的是哪种编码.

大小端

例子

• 例如utf-16要存储编码0x5f3d

• 此时需要2个字节来存储这个编码，假设这两个字节的地址是9527与9528

大端存储

• 编码按照从低位到高位的方向存储到内存中.
• 即高位字节存储到低地址中，低位字节存储到高地址中.
• 大端存储的情况如下
  

小端存储

• 与大端存储相反
• 小端存储的情况如下
  

为什么会有大小端

    文本编辑器在读取编码时，会按顺序按照每种编码方案的基本单位读取。例如utf-8的基本单元是1个字节，那么文本编辑器一次读取1个字节；utf-16的基本单元是2个字节，那么文本编辑器一次读取2个字节.
    假如使用的是utf-16编码，那么在读取到2个字节后，又出现了一个问题，在这个基本单元(2个字节)中，先读取哪个字节.
    大小端存储解决的就是这个问题基本单元内先读哪个字节，如果是大端存储，先读低地址字节；如果是小端存储先读高地址字节.
    因为utf-8的基本单元是一个字节，因此utf-8就不存在大小端的问题了