unicode编码字符保存时使用的分割符号技巧

   和常规的GB系统编码不同,GB系列编码为了把汉字和ANSI字符区分,高位是大于127的,即是 > 0xFF, 可以根据这一特征去对汉字文本数据进行存储(在数据库引擎中)。

    但unicode编码却没有这种规律,虽然是双字节的,但作为某种固定的数据格式存储时却有很多的不便,如果不使用特定的符号分隔,虽然用遍历的方法也能读出数据,但新效率很低,无法使用类似split的方法读取。

例如说有一列数据为:
有间牌电视  10200  张先生  某条村

如果是GB系列编码的,可以用一些用户无法用到的ANSI字符保存这些数据,但对于unicode却不能这样

对于unicode,即便你用前面的区间,如0000, FFFF,也容易导致字节编码可能重复,如:”6A00 0000 6B33“ 像这种类似的情况很多,因此无法使用split方法,不过真的是没法么?

认真研究unicode编码表,会发现 FDXX- FEXX 这两个区的数据是可有可无的,因此取值 0xFFFE 或 0xFFFD 作为分隔符,就可以完全阻止重复的可能性。

事实上 0xFFFE 也是unicode编码的识别符号。(文 IT柏拉图)

 

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值