编码
- ascii
- unicode
- base64
编码方式
- utf-8
- utf-16
常见编码函数
- encodeURI
- encodeURIComponent
- escape
- btoa
ascii
ascii码(美国信息交换标准代码)是基于拉丁字母的一套电脑编码系统。一个ascii码是一个字节,一个字节由8位二进制组成,基础ascii码能表示128个符号,后来进行扩展,能表示256个符号,这些符号在西文中够用,但是无法表示汉字,因此相继有了GB2312、GBK等汉字编码
unicode
基于ascii码,产生的统一的编码,Unicode通常用两个字节表示一个字符,原有的英文编码从单字节变成双字节,只需要把高字节全部填为0就可以。unicode是无符号字符集,utf-8和utf-16是编码方式。
base64
Base64就是一种基于64个可打印字符来表示二进制数据的方法。Base64要求把每三个8Bit的字节转换为四个6Bit的字节(38 = 46 = 24),然后把6Bit再添两位高位0,组成四个8Bit的字节,也就是说,转换后的字符串理论上将要比原来的长1/3。可编码范围:数字、52个大小写字母和+/。
编码原理:
- 拆分目标字符串 (s 1 3)
- 转化成对应的ascii (115 49 51)
- 转化成对应的二进制 (01110011 00110001 00110011)
- 拆分成6为一组 (011100 110011 000100 110011)
- 高位补0 (00011100 00110011 00000100 00110011)
- 转为为十进制数字并查表 (28 51 4 51 -> c z E z)
utf-8 和 utf-16区别
utf编码方式保存的是字符对应数字的二进制,utf-16是以两个字节也就是16位二进制存储,utf-8存储的位数是可变的,会根据数字的大小而改变。
utf-8会解析每个字节,根据首位bit判断该字节是独立的字节,还是某个二三字节的单元,utf-16就不存在这个问题,统一按两字节处理。utf-8例如:
- 0xxxxxxx,如果以0开头后面是啥就不用管了XX代表任意bit,就表示把一个字节做为一个单元,就跟ASCII完全一样
- 110xxxxx 10xxxxxx 如果是这样的格式,则把两个字节当一个单元
- 1110xxxx 10xxxxxx 10xxxxxx 如果是这种格式则是三个字节当一个单元
优缺点:utf-8涉及到传输效率,utf-16可能存在空间浪费的问题
utf编码原理
编码规则:
- 单字节,字节的第一位是0,后7位是这个符号的unicode码。对于字母来说,utf-8编码和ASCII码是相同的
- 对于n字节的符号,第一个字节的前n位都是1,第n+1位为0,后面字节的前两位为10,剩下的位数为这个符号的unicode码。
- Unicode符号范围 | UTF-8编码方式
(十六进制) | (二进制)
--------------------±--------------------------------------------
0000 0000-0000 007F | 0xxxxxxx
0000 0080-0000 07FF | 110xxxxx 10xxxxxx
0000 0800-0000 FFFF | 1110xxxx 10xxxxxx 10xxxxxx
0001 0000-0010 FFFF | 11110xxx 10xxxxxx 10xxxxxx 10xxxxxx
以汉字“严”为例,演示如何实现UTF-8编码:
已知“严”的unicode是4E25(100111000100101),根据上表,可以发现4E25处在第三行的范围内(0000 0800-0000 FFFF),因此“严”的UTF-8编码需要三个字节,即格式是“1110xxxx 10xxxxxx 10xxxxxx”。然后,从“严”的最后一个二进制位开始,依次从后向前填入格式中的x,多出的位补0。这样就得到了,“严”的UTF-8编码是“11100100 10111000 10100101”,转换成十六进制就是E4B8A5。
encodeURIComponent
不转译 A-Z a-z 0-9 - _ . ! ~ * ’ ( )
编码后,它输出符号的utf-8形式,并且在每个字节前加上%
encodeURI
不转译比encodeURIComponent多 ; , / ? : @ & = + $ #
escape(废弃)
不转译 @* _ + - . /
汉字等转化为 %u${unicode码(十六进制)}
btoa
用于创建一个 base-64 编码的字符串。
该方法使用 “A-Z”, “a-z”, “0-9”, “+”, “/” 和 “=” 字符来编码字符串
encodeURI和escape编码区别
首先都会转化成unicode码,escape直接输出,encodeURI会转化成utf-8形式,再输出16进制