字符编码和字符集:
字符编码:
是一种规则,将字符映射为特定的字节或字节序列,以便计算机进行存储或者通信网络传递;
字符集:
是书写系统字母和符号的集合,也就是多个字符集合;
二者的关系:
通常某个特定的字符集,是采用特定的编码方式的。
unicode字符集,有三种编码方式:
UTF 是 Unicode Transformation Format 的缩写,意思是“Unicode 转换格式”,后面的数字表明至少使用多少个比特位(Bit)来存储字符。
UTF-8:
1-4字节来存储,是变长的编码方案;大端存储
UTF-32:
4个字节存储,固定长度的编码方案;
UTF-16:
使用2或者4个字节存储,长度即固定又可变;
➢UTF-16BE,其后缀是 BE 即 big-endian,大端的意思。大端就是将高位的字节放在
低地址表示。
➢ UTF-16LE,其后缀是 LE 即 little-endian,小端的意思。小端就是将高位的字节放
在高地址表示
固定开头:
UTF 格式在文件中总有固定文件头,程序打开一个文件时就可识别是 UTF-8 还是 UTF-16。
UTF 编码 | UTF 编码 |
---|---|
UTF-8 | EF BB BF |
UTF-16LE | FF FE |
UTF-16BE | FE FF |
UTF-32LE | FF FE 00 00 |
UTF-32BE | 00 00 FE FF |
注意:
只有 UTF-8 兼容 ASCII,UTF-32 和 UTF-16 都不兼容 ASCII,因为它们没有单
字节编码。
面试:
utf-8和utf-16的哪个占用空间大?
大部分为汉字时,基本汉字是2个字节,空间上utf-8空间是大于utf-16d
代码中,大部分是ascii码,使用utf-8的空间 < utf-16。
压缩原理面试不考,不做总结,工作中遇到再学习。