WEB开发常用编码 Base64、BCD码、URL编码、Unicode、utf-8 的简单总结

最新推荐文章于 2024-09-29 08:10:07 发布

福州司马懿

最新推荐文章于 2024-09-29 08:10:07 发布

阅读量4k

点赞数 4

分类专栏：编码 JavaScript

转载请注明出处——https://blog.csdn.net/chy555chy

本文链接：https://blog.csdn.net/chy555chy/article/details/84646591

版权

JavaScript 同时被 2 个专栏收录

44 篇文章 0 订阅

订阅专栏

编码

12 篇文章 0 订阅

订阅专栏

Unicode 创造史参考 https://www.jianshu.com/p/36d20de2a1ee

Base64

Base64 是网络上最常见的用于传输 8bit 字节代码的编码方式之一。

有时候我们需要把二进制数据编码，然后放在URL中传输，以便不会被人直接看出。
通过编码防止意外生成的系统定界字符
编码为base64之前数据是以字节数组存放，里面任何二进制字符都是可能的。如果有的语言以\0作为字符串结束标志，正好字节数组里面有\0的话，可能会有问题。

简单来讲，Base64就是用下列总计64个字符去表示二进制数据的：

编码规则：

把三个字符变成四个字符
没76个字符加一个换行符
最后的结束符也要处理

Base64字符串的长度必然是4的整数倍。由于二进制的字节数不一定是3的整数倍，所以Base64字符串在结尾是可能有空的。这些空的状态，Base64引入第65个字符 “=” 去表示：

对于base64编码，常常在网络中用于编码长标识符。编码规则是每3个8位字节为一组，分成4组6位字节，并且每个字节的高位补零，形成4个8位的字节。base64编码具有可逆性。

w3c浏览器内置了window.btoa() 和 window.atob() 来完成二进制数据或者ASCII字符到base64的转换（注意：该方法只能用于ASCII码成Base64，不适用中文等）

atob则是ascii to binary，用于将ascii码解析成binary数据，即Base64的解码过程
btoa是binary to ascii，用于将binary的数据用ascii码表示，即Base64的编码过程

"ABC" 按照 Base64编码 为 "QUJD"
"中国" 按照 Base64编码 为 "JXU0RTJEJXU1NkZE"

8421 BCD

bcd码用来打印二进制。把任意一个字符变成2个可见的十六进制字符（0-9a-z 或 0-9A-z）。
相比于Base64的隐蔽性，BCD码的优势在于其可读性好。

URL

对于uri的编解码，在js中有3对函数，分别是escape/unescape, encodeURI/decodeURI, encodeURIComponent/decodeURIComponent。

它们的适用范围不同，而且遵循的编码规范也不同。

相同点：
对于上述函数而言，所有的ASCII的字符编码相同，采用%XX的形式。

不同点：

而对于unicode字符，escape编码形式为%uXXXX
而其余两个函数则先将unicode字符按照utf-8对其进行编码，然后继续进行uri编码（百分号）。对于中文字符，每个字符用urf-8编码则为3个字节，然后在每个字节前面加上%即可。

三个函数对应的安全字符

escape（69个）：*/@±._0-9a-zA-Z
encodeURI（82个）：!#$&’()*+,/:;=?@-._~0-9a-zA-Z
encodeURIComponent（71个）：!’()*-._~0-9a-zA-Z

encodeURIComponent(s) = escape(unicodeToUTF8(s));
unicodeToUTF8(s) = unescape(encodeURIComponent(s));

ASCII

在计算机发明的时候 ,由于计算机你只能表示二进制的数据，美帝人民为了交流通信方便，约定了一个编码系统，就是ASCII码，把abc…xyz…ABC…XYZ…!@#…等字符分别和0,1,2,3,4…对应，发现差不多刚好128个数，半个字节的长度，为了防止以后需要为新的符号编码，于是干脆取一个字节，最高位置为0。后七位从0-127分别对每一个符号编码。

ISO

后来欧洲人也玩计算机，发现不行啊，还有很多符号（法语，德语）ASCII没办法表示啊，于是欧洲人自己也撸了一套编码，一个字节的长度，把最高位也用掉了。这套编码叫ISO。

GBK

中国人不高兴了，特么我们汉字有几万个，常用的就有几千个，没有两个字节根本交不了货。于是勤劳勇敢的中国人民就破天荒的用了两个字节来表示中文。整出一套GBK。为了现实我中华民族兼容并蓄，我们兼容了ASCII编码。

gbk编码规定，计算机不能在每次都只读一个字节那么死板了，你要先看看第一位是不是为0，要是为0 的话，就当作ASCII码来读入一个字节，不然的话就读入两个字节。

Unicode

Unicode 是容纳世界所有文字符号的国际标准编码，使用四个字节为每个字符编码。

function toUnicode(data) {
	if(data == '' || typeof data == 'undefined') return '';
	let str = '';
	for(let i=0; i < data.length; i++) {
		let tmp = data.charCodeAt(i).toString(16);
		//由于Unicode固定使用四个字节为每个字符编码，因此如果没达到就要补全
		while(tmp.length < 4) {
			tmp = "0" + tmp;
		}
		str += "\\u" + tmp;
	};
	return str;
}
function formUnicode(data) {
	if(data == '' || typeof data == 'undefined') return '';
	return unescape(data.replace(/\\u/g, "%u"));
	//return eval("'" + data + "'").toString();
}

"ABC" 按照 Unicode编码 为 "\u0041\u0042\u0043"
"中国" 按照 Unicode编码 为 "\u4e2d\u56fd"

UTF-8

但是如果类似于1号编码这样的小数据编号也要三个字节的话，那么也就是0x000001,这简直就是浪费啊，明明一个字节就可以表示了，你非得整三个。于是就出现了uft-8，utf-16，utf-32这些编码方案。

utf-8为了节省资源，采用变长编码，编码长度从1个字节到6个字节不等

在这里插入图片描述

如果开头是0，表示只有1个字节；
否则，头一个字节的第一个0前面多少个1就表示有多少个字节
- 第二个字节起，每个字节都用 10 打头
- 第二个字节比第一个多了 4 比特（共11比特），其后每多一个字节，增加 5 比特
- 从第二位开始，除了标志位，还有一部分数值未利用（少一个字节可以表示的最大值）

utf-8最小是1字节，utf-16最小是2字节，utf-32最小是4字节。所以英文在utf-16中也是2个字节，而在utf-8中则是1个字节。在当大部分是英文的时候utf-8更加节省资源。如果在我们在中文世界里来比较他们，则是utf-16更加节省资源。

"ABC" 按照 urf-8编码 为 "0x410x420x43"
"中国" 按照 urf-8编码 为 "0xE40xB80xAD0xE50x9B0xBD"

function toUtf8(data) {
	if(data == '' || typeof data == 'undefined') return '';
	let str = '';
	data = unescape(encodeURIComponent(data));
	for(let i=0; i < data.length; i++) {
		let tmp = data.charCodeAt(i).toString(16).toUpperCase();
		while(tmp.length < 2) {
			tmp = "0" + tmp;
		}
		str += "0x" + tmp;
	};
	return str;
}
function fromUtf8(data) {
	if(data == '' || typeof data == 'undefined') return '';
	let str = '';
	data.replace(/0x(\w{2})/g, function(){
		str += String.fromCharCode(parseInt(arguments[1], 16));
	});
	return decodeURIComponent(escape(str));
}