编程基础-文字编码-字符集/编码方式/常见乱码错误

本文由larrylgq编写,转载请注明出处:http://blog.csdn.net/larrylgq/article/details/7444999

作者:吕桂强

邮箱:larry.lv.word@gmail.com


由于计算机只能处理用开关组成的二进制数字,所以当我们要处理文字的时候就要将文字转换成相应的数字,而这些数字就是文字编码


因为世界上语言众多,再加上方言,古代语言,特殊符号等,我们没法同时包括所有的文字所以只能事先规定使用哪些文字,这些实现规定的文字集合就叫字符集

像我们经常用的有ASCII和Unicode,GB2312等

其中Unicode是为了处理所有语言的文字而定义的文字集


字符集中为字符分配编码的是字符编码

eg:UTF-8等

一个字符集可以对应多种编码方式



Unicode字符集:

之前的Unicode字符集使用16位编码方式来实现,但是随着加入的文字越来越多,超过了65535之后之前的编码方式就已经放不下了

现在Unicode使用21位来表示


Unicode的编码方式:


Unicode主要有UTF-8,UTF-16BE/LE(big endian,little endian),UTF-32BE/LE等编码方式


UTF-8:

优点是:可变长的,与Ascii兼容

第一个字节开头有几个连续的1,表示有几个字节

缺点是:

1,占用空间大,几乎所有的汉字都要3个字节

2,正因为是可变长度的,所以随机访问字符串中任意文字的时候需要正序遍历


UTF-16:

从Unicode2字符数超过65530之后就渐渐淘汰


UTF-32:

采用固定的32位的编码方式

缺点是占用内存多

优点是随机访问快


程序中出现乱码的原因:

1,使用错误的编码方式读取

2,没有字体(用于在显示器上展示文字)

3,语言进行内部编码转换时出错

4,使用用户自定义的文字

5,使用的字符集不同(缺少字符)

6,字节顺序错误(eg:UTF-16/32的BE和LE)


  • 1
    点赞
  • 1
    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