ASCII与Unicode

ASCII与Unicode

以前一直没搞懂几种编码方式是怎么回事，有幸在网上找到了一些资料，并有了一些心得，便记录如下：
我们都应该知道，计算机内部的数据最终都是以二进制形式存放的，也就是一个二进制的字符串，每一个二进制位(bit)有0和1两种状态，人们把八个二进制位称为一个字节(Byte)，所以1个字节就可以组合出256个不同的状态，分别是00000000到11111111。
1.ASCII编码
上个世纪70年代，美国制定了一套字符编码方式，对英语字符与二进制位之间的关系做了统一的规定，这被称为ASCII编码，一直沿用至今。
ASCII一共规定了128个字符的编码，比如空格“SPACE”是32（二进制00100000），大写的字母A是65（二进制01000001）。这128个符号（包括32个不能打印出来的控制符号），只占用了一个字节的后面7位，最前面的1位统一规定为0。
也就是，你如果在一个文本文档（.txt），输入"ab"，并“另存为”ASCII格式，最终会被计算机翻译为"01100001 01100010"。

 

2.非ASCII编码

一个字节中的后7位总共只能表示128个不同的字符，英语用这些字符已经足够了，可是要表示其他语言却是不够。比如，在法语中，字母上方有注音的符号，就无法用ASCII表示。于是，一些国家就利用了字节中闲置的最高位编入新的符号。这样一来，就可以表示最多256个符号。

可是，每种语言有不通的字母。哪怕它们都使用256个符号的编码方式，同一个数值可能代表不同的字符。比如，130在法语里面 é，而在希腊语里面则代表Gimel。但是，不管怎样，0~127表示的字符是一样的，不同的只是128~255.