HTML 字符编码（自我复习）

目录

编码类型：

1、ASCII 码：

2、非 ASCII 编码:

3、Unicode

4、UTF-8(可变长unicode编码）

规则：

举例，中国字"严"字：

5、urlcode编码，实体编码，base64编码。

urlcode编码：

实体编码:

---

编码类型：

1、ASCII 码：

我们知道，计算机内部，所有信息最终都是一个二进制值。每一个二进制位（bit）有0和1两种状态，因此八个二进制位就可以组合出256种状态，这被称为一个字节（byte）。也就是说，一个字节一共可以用来表示256种不同的状态，每一个状态对应一个符号，就是256个符号，从00000000到11111111。

我们可以使用python中的ord函数来查看：

>>> ord(",")
44

---

2、非 ASCII 编码:

例如GBK,一个字符占两个字节

---

3、Unicode

Unicode 当然是一个很大的集合，现在的规模可以容纳100多万个符号，但由于其容纳空间是三个字节，会出现资源浪费的情况。

这里就有两个严重的问题，第一个问题是，如何才能区别 Unicode 和 ASCII ？计算机怎么知道三个字节表示一个符号，而不是分别表示三个符号呢？

情况:

它们造成的结果是：1）出现了 Unicode 的多种存储方式，也就是说有许多种不同的二进制格式，可以用来表示 Unicode。2）Unicode 在很长一段时间内无法推广，直到互联网的出现。

---

4、UTF-8(可变长unicode编码）

规则：

UTF-8 的编码规则很简单，只有二条：

1）对于单字节的符号，字节的第一位设为0，后面7位为这个符号的 Unicode 码。因此对于英语字母，UTF-8 编码和 ASCII 码是相同的。

2）对于n字节的符号（n > 1），第一个字节的前n位都设为1，第n + 1位设为0，后面字节的前两位一律设为10。剩下的没有提及的二进制位，全部为这个符号的 Unicode 码。

Unicode符号范围     |        UTF-8编码方式
(十六进制)          |         （二进制）
----------------------+---------------------------------------------
0000 0000-0000 007F |   0xxxxxxx
0000 0080-0000 07FF |   110xxxxx  10xxxxxx
0000 0800-0000 FFFF |   1110xxxx  10xxxxxx  10xxxxxx
0001 0000-0010 FFFF |   11110xxx  10xxxxxx  10xxxxxx  10xxxxxx

举例，中国字"严"字：

>>> ord("严")
20005
>>> hex(20005)
'0x4e25'
>>>

严的 UTF-8 编码需要三个字节，即格式是1110xxxx 10xxxxxx 10xxxxxx。然后，从严的最后一个二进制位开始，依次从后向前填入格式中的x，多出的位补0。这样就得到了，严的 UTF-8 编码是11100100 10111000 10100101，转换成十六进制就是E4B8A5

---

5、urlcode编码，实体编码，base64编码。

urlcode编码：

出现在html搜索栏中

转换关系：先转ascll码，再转16进制，再加%

>>> ord("(")
40
>>> hex(40)
'0x28'
所以"(" 的实体编码就是%28

实体编码:

转化为ascill码，加入&#,有的实体编码会有特殊字符：

- `<`：`&lt;` 
- `>`：`&gt;` 
- `"`：`&quot;`
- `'`：`&apos;`
- `&`：`&amp;`
- `©`：`&copy;`
- `#`：`&num;`
- `§`：`&sect;`
- `¥`：`&yen;`
- `$`：`&dollar;`
- `£`：`&pound;`
- `¢`：`&cent;`
- `%`：`&percnt;`
- `*`：`$ast;`
- `@`：`&commat;`
- `^`：`&Hat;`
- `±`：`&plusmn;`
- 空格：`&nbsp;`

base64编码：

只接受a-A,z-Z,0-9,-+

以上编码均可以通过CyberSpace工具进行编码解码。