字节
(Byte 发音:/‘bait/):。数据存储是以“字节”(Byte)为单位,数据传输是以“位”(bit)为单位,一个位就代表一个0或1,每8个位(bit)组成一个字节(Byte)。8bit=1Byte 注意1b不等于1B
字
在计算机中,一串数码作为一个整体来处理或运算的,称为一个计算机字,简称字。字通常分为若干个字节(每个字节一般是8位)。在存储器中,通常每个单元存储一个字,因此每个字都是可以寻址的。字的长度用位数来表示
在计算机的运算器、控制器中,通常都是以字为单位进行传送的。字出现在不同的地址其含义是不相同。例如,送往控制器去的字是指令,而送往运算器去的字就是一个数。
字长
计算的
字长是指它一次可处理的
二进制数字的数目。
计算机处理数据的速率,自然和它一次能加工的位数以及进行运算的快慢有关。如果一台
计算机的字长是另一台计算机的两倍,即使两台计算机的速度相同,在相同的时间内,前者能做的工作是后者的两倍。
字节
字节是指一小组相邻的
二进制数码。通常是8位作为一个字节。它是构成信息的一个小单位,并作为一个整体来参加操作,比字小,是构成字的单位。
理解编码的关键,是要把
字符的概念和字节的概念理解准确。这两个概念容易混淆,我们在此做一下区分:
概念描述 举例
字符 人们使用的记号,抽象意义上的一个符号。 '1', '中', 'a', '$', '¥' ……
字符串
在
内存中,如果“
字符”是以
ANSI编码形式存在的,一个字符可能使用一个字节或多个字节来表示,那么我们称这种字符串为
ANSI 字符串或者多字节字符串。如,"中文123" (占8字节,包括一个隐藏的\0)。
字符集和代码页
对于ANSI编码方式,存在不同的
字符集(Charset)。同样的字节序列,在不同的
字符集下表示的字符不一样。要正确解析一个ANSI
字符串,还要选择正确的
字符集,否则就可能导致所谓的
乱码现象。不同语言版本的
操作系统,都有一个默认的
字符集。在不指定
字符集的情况下,系统会使用此字符集来解析 ANSI 字符串。也就是说,如果我们在简体中文版的Windows下打开了一个由日文
操作系统保存的 ANSI 文本文件(仅包含 ANSI
字符串的文本文件),我们看到的将是
乱码。但是,如果我们使用
Visual Studio之类的带编码选择的
文本编辑器打开此文件,并且选择正确的
字符集,我们将可以看到它的原貌。注意:简体中文
字符集中的繁体字和
繁体中文字符集中的繁体字,编码不一定相同(事实证明,似乎是完全不同)。
UNICODE
字符串 在
内存中,如果“字符”是以在Unicode中的序号存在的,那么我们称这种字符串为Unicode字符串或者宽字节字符串。在Unicode中,每个
字符都占两个字节。如,"中文123"(占10字节)。
由于不同 ANSI 编码所规定的标准是不相同的(
字符集不同),因此,对于一个给定的多字节字符串,我们必须知道它采用的是哪一种字符集则,才能够知道它包含了哪些“字符”。而对于 UNICODE
字符串来说,不管在什么环境下,它所代表的“字符”内容总是不变的。Unicode 有着统一的标准,它定义了世界上绝大多数的
字符的编码,使得拉丁文、数字、简体中文、繁体中文、日文等都能以同一种编码方式保存。
Unicode当然是一个很大的集合,现在的规模可以容纳100多万个符号。每个符号的编码都不一样,比如,U+0639表示阿拉伯字母Ain,U+0041表示英语的大写字母A,“汉”这个字的Unicode编码是U+6C49。
1、编码方法
Unicode 标准始终使用十六进制数字,而且在书写时在前面加上前缀“U+”,例如字母“A”的编码为 004116 和字符“?”的编码为 20AC16。所以“A”的编码书写为“U+0041”。
UTF-8
为了提高Unicode的编码效率,于是就出现了UTF-8编码。UTF-8可以根据不同的符号自动选择编码的长短。比如英文字母可以只用1个
字节就够了。
UTF-8的编码是这样得出来的,以”汉”这个字为例:
“汉”字的Unicode编码是U+00006C49,然后把U+00006C49通过UTF-8编码器进行编码,最后输出的UTF-8编码是E6B189。
UTF-8使用可变长度
字节
来储存 Unicode字符,例如ASCII字母继续使用1字节储存,重音文字、希腊字母或
西里尔字母
等使用2字节来储存,而常用的汉字就要使用3字节。
辅助平面
字符则使用4
字节
。
字符编码
计算机中的信息包括数据信息和控制信息,数据信息又可分为数值和非数值信息。非数值信息和控制信息包括了字母、各种控制符号、图形符号等,它们都以二进制编码方式存入计算机并得以处理,这种对字母和符号进行编码的
二进制代码
称为字符代码(Character Code)。计算机中常用的字符编码有ASCII码(
美国标准信息交换码
)和EBCDIC码(扩展的BCD交换码)。
字符集
字符(Character)是各种文字和符号的总称,包括各国家文字、标点符号、图形符号、数字等。字符集(Character set)是多个字符的集合,字符集种类较多,每个字符集包含的字符个数不同,常见字符集名称:ASCII字符集、GB2312字符集、BIG5字符集、 GB18030字符集、Unicode字符集等。