编码规则

编码规则

---

基本概念

中文名称	英文名称	概念	说明
比特	bit	信息量单位，数据传输大多以比特为单位；二进制数字中的位	二进制数的一位包含的信息=1比特；二进制位：0或1
字节	Byte	数据存储以字节为单位	1Byte = 8 bit
字符	Character	字符是各种文字和符号的总称，包括各国家文字、标点符号、图形符号、数字等；即计算机中使用的文字和符号	举例：数字、字母、汉字等
字符集	Charset	是一个系统支持的所有抽象字符的集合	举例：GBK/GB2312等
字符编码	Character Encoding	将符号转换为计算机可以接受的数字系统的数	举例：ASCII 字符集中用 65 表示 A
代码点	Code Point	码点/码位：指一个编码表中的某个字符对应的代码值，Unicode编码表中每个字符对应的数值；为每一个「字符」分配一个唯一的 ID	-
代码单元	Code Unit	在UTF-16中的基本多语言级别中，每一个字符用16位表示，通常被称为代码单元	Java中Character采用UTF-16编码，占两字节，即一个字符，可表示一个汉字

• 编码规则：将「码位」转换为字节序列的规则（编码/解码 可以理解为 加密/解密 的过程）
• 字符与字节的关系
• 概念上两者无任务关系
• 不同的编码规则在表示字符时使用不同的长度的字节，在特定的编码规则下，某种类型的字符需要多少字节来表示或存储
• 代码单元：

---

概述

• 字节：1个字节（Byte）等于8个bit位，每个bit位是0/1两种状态，也就是说一个字节可以表示256个状态，计算机里用字节来作为最基本的存储单位
• 字符：字符，在计算机和电信技术中，一个字符是一个单位的字形、类字形单位或符号的基本信息
• 字符是指计算机中使用的字母、数字、字和符号，包括：1、2、3、A、B、C、~！·#￥%……—*（）——+等等。

①ASCII码中，一个英文字母（不分大小写）占一个字节的空间，一个中文汉字占两个字节的空间。一个二进制数字序列，在计算机中作为一个数字单元，一般为8位二进制数，换算为十进制。最小值0，最大值255。

②UTF-8编码中，一个英文字符等于一个字节，一个中文（含繁体）等于三个字节。

③Unicode编码中，一个英文等于两个字节，一个中文（含繁体）等于两个字节。

文本符号：英文标点占一个字节，中文标点占两个字节。举例：英文句号“.”占1个字节的大小，中文句号“。”占2个字节的大小。

④UTF-16编码中，一个英文字母字符或一个汉字字符存储都需要2个字节（Unicode扩展区的一些汉字存储需要4个字节）。

⑤UTF-32编码中，世界上任何字符的存储都需要4个字节

---

参考资料

• 比特
• MySQL中char与varchar区别，varchar最大长度是多少？