计算机基础 —— 字符、字符集、字符编码

计算机如何显示文字

计算机是以二进制的形式保存/处理数据，不管我们使用键盘输入还是让计算机去读取一个文本文件，计算机得到的原始内容是一些二进制数据，当需要对这些二进制数据进行显示时，计算机会依照某种翻译机制/编码方式，取到这些二进制序列所表示的每个文字的轮廓描述(点阵或矢量图)，知道了轮廓，计算机便可以将二进制序列所表示的实际的文字形状显示到屏幕。

编码

我们知道，计算机所有的信息最终都表示为一个二进制的字符串，每个二进制位(bit)有0和1两种状态。假设字符A对应的二进制为01000010（这个随便编的），存储时，将此二进制串存入计算机；读取时，再将01000010还原成字符A。那么存储时，A到底应该对应01000010，还是10000000、11110101？这个时候就需要一个规则，这个规则可以将字符映射到唯一一种状态（二进制字符串），这就是编码。

最早出现的编码规则是ASCII编码，在ASCII编码中，字符A既不对应01000010，也不对应1000 0000、11110101，而是对应01000001（不要问为什么，这是规则）。

概念理解

位（Bit ）

数据存储的最小单位（即0或1），简称为b，也可称为比特

字节（Byte ）

存储空间的基本计量单位，是一个8位的存储单元，取值范围是0-255，1Byte = 8bit

字节顺序

多字节的值在内存中的存储顺序，通常有大端（Big Endian）、小端（Little Endian）两种字节顺序。

BOM (Byte Order Mark)

字节顺序标记，出现在文本文件头部，Unicode编码标准中用于标记文件采用哪种合适的编码；

UCS编码中有个‘Zero Width No-break Space/零宽无间断间隔’字符， 它的编码是FEFF，UCS规范我们在传输字节流前，先传输字符‘Zero Width No-break Space’，这样如果接收者收到FEFF，就表明这个字节流是Big-Endian，如果收到FFFE，就表明这个字节流是Little-Endian；

UTF-8不需要BOM来表明字节顺序，但可以用BOM来表明编码方式，字符‘Zero Width No-break Space’的UTF-8编码是EF BB BF，如果接收者收到以EF BB BF开头的字节流，就知道这是UTF-8编码了；Windows采用BOM来标记文本文件的编码方式；

编码	表示（16进制）	表示（10进制）
UTF-8	EF BB BF