20210214编码与解码

ASCⅡ字符集

可见字符：英文字母、数字、标点符号（0-31、127，共33个）
控制字符：回车、换行等（32-126，共95个）
最初的编码：

码位	解释	二进制信息(ASCII码)
0	空字符	0000 0000
1	标题开始	0000 0001
2	正文开始	0000 0010
…	…	…
10	换行	0000 1010
…	…	…
13	回车	0000 1101
31	单元分隔符	0001 1111
32	空格	0010 0000
33	！	0010 0001
…	…	…
48	0	0011 0000
…	…	…
65	A	0100 0001
…	…	…
90	Z	0101 1010
…	…	…
99	a	0110 0001
…	…	…
122	z	0111 1010
…	…	…
127	删除	0111 1111

所以ASCII码只能表示0000 0000- 0111 1111共128个字符

扩展ASCII字符集及扩展ASCII码

欧洲人扩展了ASCII字符集，1000 0000-1111 1111，扩展了128个

GB2312

当电脑来到中国，256个字符依然不够用，因此用16位表示一个字符
先设计字符集，才能对字符集编码
使用分区管理，共计94个区，每个区含94个位，共8836个码位
01-09区收录除汉字外的682个字符
10-15区为空白区，没有使用
16-55区收录3755个一级汉字，按拼音排序
56-89区收录3008个二级汉字，按部首/笔画排序
88-94区为空白区，没有使用
比如：侃字码位5709

经过运算侃字的GB2312码为0xD90xA9
GB2312高位和低位都大于127

GBK

GB2312仍然遗漏了很多汉字，因此不再规定低位大于127，高位大于127，变为GBK编码，新增近20000个汉字和符号

GB18030

新增几千少数民族字符

Unicode

把世界所有字符都放在一起，并编号
最初采用UCS-2字符集，可表示2^16个字符
UCS-4字符集，可表示2^32个字符，需要存储空间较大，很长时间没有被各国接受

UTF-8

每次传输8位数据，并且是一种可变长的编码格式。
具体将UCS-4字符集码位划分为4个区间

UCS-4区间	UTF-8码位
0x0000 0000-0x0000 007F	0xxxxxxx
0x0000 0080-0x0000 07FF	110xxxxx 10xxxxxx
0x0000 0800-0x0000 FFFF	1110xxxx 10xxxxxx 10xxxxxx
0x0001 0000-0x0010 FFFF	11110xxx 10xxxxxx 10xxxxxx 10xxxxxx