基础知识 合集

目录

一、字符编码

---

一、字符编码

ASCII编码：

使用7位二进制数表示128个字符。

这些字符包括英文字母（大写和小写）、数字、标点符号和一些控制字符。其中，大写字母的编码从0x41（'A'）到0x5A（'Z'），小写字母的编码从0x61（'a'）到0x7A（'z'）。

一个字节表示一个字符，字符数据以ASCII码的形式存放在内存中。

GB2312和GBK编码：

GB2312是中国大陆地区早期采用的双字节字符集编码方式，用于存储简体中文。GBK是对GB2312的扩展，不仅包含简体中文，还囊括了繁体中文。

GB2312和GBK都使用双字节表示一个汉字，且都兼容ASCII编码。在存储中文字符时，GB2312的高低位都存放大于127的数字，而GBK的高位存放大于127的数字，低位则可能包含小于127的数字。

说明一下第二段话的意思：

GB2312编码是为简体中文设计的字符集编码，它使用双字节来表示一个汉字。在GB2312编码中，高位字节（第一个字节）的范围是0xA1到0xF7（即161到247的十进制），低位字节（第二个字节）的范围是0xA1到0xFE（即161到254的十进制）。这意味着，无论是高位还是低位，其值都大于127（即0x7F的十六进制值）。

举例：假设我们有一个汉字“中”，在GB2312编码中，它可能被编码为D6 D0（十六进制表示）。这里，D6是高位字节（大于127），D0是低位字节（也大于127）。

GBK编码是GB2312的扩展，它支持更多的汉字字符，包括简体和繁体中文。在GBK编码中，高位字节（第一个字节）的范围仍然是0x81到0xFE（与扩展ASCII编码的高位字节范围重叠），但低位字节的范围则扩展到0x40到0xFE（与ASCII编码的低位字节范围有部分重叠）。

举例：同样以汉字“中”为例，在GBK编码中，它可能仍然被编码为D6 D0（与GB2312相同），但GBK也允许其他编码方式。重要的是，GBK编码的高位字节总是大于127，但低位字节可能小于或等于127（与ASCII编码的字符值重叠）

Unicode编码：

Unicode是一种用于表示世界上所有字符的标准编码方式，它为每个字符分配了一个唯一的数字码点。

Unicode编码使用16位（即2个字节）来统一表示所有的字符，包括ASCII中的字符。Unicode编码不与任何现有的编码方案保持兼容，因此从理论上来讲在进行文本转换时需要查表进行。

而在实际应用中，通常不需要手动进行查表和转换。许多编程语言和库都提供了现成的编码转换功能。例如，在Python中，可以使用encode()和decode()方法对字符串进行编码和解码操作；在Java中，可以使用Charset类来进行编码转换。

BIG5编码：

BIG5编码是繁体中文社区中最常用的电脑汉字字符集标准，共收录13,060个汉字。

BIG5码是一套双字节字符集，使用了双八码存储方法，以两个字节来安放一个字。其“高位字节”使用了0x81-0xFE，“低位字节”使用了0x40-0x7E，及0xA1-0xFE。