计算机中的编码

编码方式

前言：

很久很久以前，有一群人，他们决定用8个可以开合的晶体管来组合成不同的状态，以表示世界上的万物。他们看到8个开关状态是好的，于是他们把这称为"字节"。

字符集为每个字符分配一个唯一的编号，类似于学生的学号，通过编号就能够找到对应的字符。

ASCII（ American Standard Code for InformationInterchange， 美国信息交换标准代码）

是基于拉丁字母的⼀套电脑编码系统， 主要⽤于显⽰现代英语和其他西欧语⾔。

ASCII码，只有256个字符，美国人倒是没啥问题了，他们用到的字符几乎都包括了，但是世界上不只有美国程序员啊，所以需要一种更加全面的字符集。

Unicode（中文：万国码、国际码、统一码、单一码）

是计算机科学领域里的一项业界标准。它对世界上大部分的文字系统进行了整理、编码，使得计算机可以用更为简单的方式来呈现和处理文字。

UTF-8就是Unicode的一个使用方式，通过他的英文名Unicode Tranformation Format就可以知道。

• UTF-8：一种变长的编码方案，使用 1~6 个字节来存储；
• UTF-32：一种固定长度的编码方案，不管字符编号大小，始终使用 4 个字节来存储；
• UTF-16：介于 UTF-8 和 UTF-32 之间，使用 2 个或者 4 个字节来存储，长度既固定又可变。

源文件需要保存到硬盘，或者在网络上传输，使用的编码要尽量节省存储空间，同时要方便跨国交流，所以一般使用 UTF-8，这就是选择编码字符集的标准。

程序中的字符或者字符串，在程序运行后必须被载入到内存，才能进行后续的处理，对于这些字符来说，要尽量选用能够提高处理速度的编码，例如 UTF-16 和 UTF-32 编码就能够快速定位（查找）字符。

有了UTF8为什么还需要GBK

其实UTF8确实已经是国际通用的字符编码了，但是这种字符标准毕竟是外国定的，而国内也有类似的标准指定组织，也需要制定一套国内通用的标准，于是GBK就诞生了.

GB2312–>GBK–>***GB18030***是中文编码的三套方案，出现的时间从早到晚，收录的字符数目依次增加，并且向下兼容。GB2312 和 GBK 收录的字符数目较少，用 1~2个字节存储；GB18030 收录的字符最多，用1、2、4 个字节存储。

Windows 默认支持 GBK。Windows 在内核层面使用的是 Unicode 字符集（严格来说是 UTF-16 编码）

UNIX 家族的操作系统（Linux、Mac OS、iOS 等）内核都采用 UTF-8 编码

选择方案主要考虑，存储空间和处理效率的矛盾

URL编解码

网络标准RFC 1738做了硬性规定 :只有字母和数字[0-9a-zA-Z]、一些特殊符号“$-_.+!*’(),”[不包括双引号]、以及某些保留字，才可以不经过编码直接用于URL;

除此以外的字符是无法在URL中展示的，所以，遇到这种字符，如中文，就需要进行编码。

反之，就是解码。

Big Endian和Little Endian

Big Endian 是指低地址端存放高位字节。 Little Endian 是指低地址端存放低位字节。

Java采用Big Endian来存储数据、C\C++采用Little Endian。在网络传输一般采用的网络字节序是BIG-ENDIAN。

CSV文件

你有一个TXT文件，并且各项之间以逗号分隔，那么你直接将扩展名改为CSV文件，以EXCEL打开，以逗号分隔的每一列就自动到了EXCEL的每一列中。
好处：可以轻松的导入表格和数据库中，一行代表一条数据，这样就可以批量的导入导出数据库中的值，这种文件格式经常用来作为不同程序之间的数据交互的格式。

通常如果使用文件对大量数据进行编码，可以采用此种格式