UTF-8编码的意义及历史背景(异或是unicode标准的意义)
- 历史背景
世界上第一台通用计算机“ENIAC”于1946年2月14日在美国宾夕法尼亚大学诞生,那时正值世纪第二次大战,美军发明计算机的作用是为了快速处理大量的军事数据。之后到了50年代,计算机进入批处理阶段,此时还没有网络的概念,直到60年代通过时间片转换机制的分时系统的出现,各个主机之间为了更快的传输数据进行了连接,这才有了网络的雏形。那么此时出现一个问题,不同操作系统之间,不同厂商之间设备的互联是有隔阂的,为了解决这一问题,也就要有一个固定的格式才能实现不同厂商计算机的互联。这其中有一个统一的编码方式尤为重要,所以UTF-8的意义在于实现不同计算机之间数据传输的正确性。 - 意义
对计算机有一定了解的一定都知道”ASCII码“,这种编码方式是将一个字符由一个字节来表示,也就是说”ASCII码“最多可以表示256个字符,然而实际的情况是”ASCII码“里面一共编码了127个字符,这对于英语来说是够用的,但是面对浩如烟海的人类文明来说,这小小的”ASCII码“明显是不够用的,而且面对计算机全球化的今天,有一个统一的编码方式的要求摆在了明面上。
利用UTF-8基于unicode来理解unicode
UTF-8要基于unicode组织推出的unicode标准,既然是基于unicode的标准,那么实现的方式自然也就不止UTF-8一种方式,比如 UTF-16、UTF-32等(它们的区别在于UTF-8是将一个字符转换为1到4字节的数据,而UTF-16是将字符转换为2到4字节的数据,UTF-32是将字符转换为4字节的数据),由此可以体会到unicode是一个标准而不是编码方式。
unicode的内容
unicode是用四个四字节来表示一个字符,也就是说一共可以表示4294967296个字符,但是就算是将所有语言的字符都编入unicode也不可能有如此多个字符,直到现在也不过编码了238605个字符。其中使用的空间非常少,其中在第二个字节中十进制编码是0、1、2、14、15、16的编码方式被使用,其中15、16的编码方式是个人使用区,用于使用的个人或者公司自己定义字符,而中文的七万多个字符被保存在0、2的编码中。
unicode和UTF-8转换的方式
unicode编码进行转换为二进制编码之后,对应UTF-8转换规则之后,将二进制编码带入到转换规则中可替换的部分,就可以得到字符在UTF-8中的对应的编码。
其它的编码方式
其它的编码方式有很多,各个国家都有自己的编码方式,比如我国就有GB18030、GBK、GB2312等编码方式,GB18030是GBK的升级版,GBK是GB2312的升级版,如果遇到解析之后是乱码的情况,大概率就是编码不对应。