IO流之计算机存储规则

引言：

字节流可以读写所有文件，字符流只可以读写纯文本文件

1、计算机的存储规则

 八个比特为组成一个字节，字节是计算机中最小的存储单位

1.1、字符集

每一个二进制数字，对应码表中的一个英文字符，中文字符，符号等

ASCII：英文（0-127）

GBK：英文➕中文（GB国标 K拓展）

BIG5:台湾文字用

UniCode：英文➕中文（万国码）

1.2、存取规则 （英文）

 

 想要存储在计算机里，必须是八的倍数，所以对于不足8位的二进制数字，计算机会进行补码操作。

存储：在ASCII查询存储英文对应的十进制数字，将其转化做二进制数字，对其进行编码，再存储。

读取：对其进行解码，随后将二进制数字转化做十进制数，在ASCII码表中查询，再获得。

特点：英文一个字节存储，字符集都兼容ASCII码表，开头以0补码，转换成十进制一定是一个正数。

ASCII码表：

1.3、存取规则（中文）

 

 与英文类似，在GBK字符集，或者Unicode字符集进行查询，随后将其编码。

为了与英文区分，同时因为汉字数量很多，有以下特点：

1、汉字在字符集中对应的数字都是两个字节。

2、汉字的第一个字节（也称之为高位字节），一定是以1开头，转换成十进制后是一个负数。

3、汉字的第二个字节（也称之为低位字节），可以是1/0开头，转换过后可正可负。

 

1.4、Unicode解码方式

UTF-16：2-4个字节（英文2个）

UTF-32：4个字节

UTF-8 ：1-4个字节（英文1个，中文三个）

补码：

英文：开头0

中文：1110 10 10

 小tips

UTF-8是一个字符集吗？

答：不是，UTF-8是Unicode字符集的一种编码方式

一种字符集只能对应一种编码方式吗？

答：不是，Unicode有多种编码方式

1.5、乱码现象

为什么会有乱码？

原因1:

字节流读取文件时，按照一个字节一个字节的读取，在UTF-8编码方式中，中文为3个字节，读取时拆分来读，会出现乱码现象。

 字节流读取按照一个字节一个字节的读取，在ASCII码表中查询，一个字节查询完毕打印一个字节，因此中文会乱码。

原因2:

编码时和解码时采取的方式不统一。

注：GBK编码方式中文占据两个字节 

 

 

1.6拓展：为什么字节流拷贝不会出现乱码呢？

         用字节流读取时，按照一个字节一个字节的读取，在ASCII码表中查询，一个字节查询完毕打印一个字节，因此中文会乱码。

         一个字节一个字节的拷贝，数据没有丢失

          用文件打开时，如果打开时编码表、编码方式和数据源一致，不会出现乱码。