字符型以及字符集的简单发展历史

最新推荐文章于 2024-10-16 10:13:45 发布

lsj-happiness

最新推荐文章于 2024-10-16 10:13:45 发布

阅读量1.1k

点赞数 32

分类专栏： java快速入门文章标签： java

本文链接：https://blog.csdn.net/qq_59708861/article/details/135370815

版权

java快速入门专栏收录该内容

12 篇文章 0 订阅

订阅专栏

字符集的发展历史

ASCII control characters
ASCII control characters
00 NULL （NULL character）
01 SOH （Start of Header）
02 STX （Start of Text）
03 ETX （End of Text）
04 EOT （End of Transmission）
05 ENQ （Enquiry）
06 ACK （Acknowledgement）
07 BEL （Bell）
08 BS （Backspace）
09 HT （Horizontal Tab）
10 LF （Line feed）
11 VT （Vertical Tab）
12 FF （Form feed）
13 CR （Carriage return）
14 SO （Shift Out）
15 SI （Shift In）
16 DLE （Data link escape）
17 DC1 （Device control 1）
18 DC2 （Device control 2）
19 DC3 （Device control 3）
20 DC4 （Device control 4）
21 NAK （Negative acknowledge）
22 SYN （Synchronous idle）
23 ETB （End of transmission block）
24 CAN （Cancel）
25 EM （End of medium）
26 SUB （Substitute）
27 ESC （Escape）
28 FS （File separator）
29 GS （Group separator）
30 RS （Record separator）
31 US （Unit separator）
127 DEL （Delete）

ASCII printable characters
32 space	64 @	96 `
33 !	65 A	97 a
34 "	66 B	98 b
35 #	67 C	99 c
36 $	68 D	100 d
37 %	69 E	101 e
38 &	70 F	102 f
39 '	71 G	103 g
40 (	72 H	104 h
41 )	73 I	105 i
42 *	74 J	106 j
43 +	75 K	107 k
44 ,	76 L	108 l
45 -	77 M	109 m
46 .	78 N	110 n
47 /	79 O	111 o
48 0	80 P	112 p
49 1	81 Q	113 q
50 2	82 R	114 r
51 3	83 S	115 s
52 4	84 T	116 t
53 5	85 U	117 u
54 6	86 V	118 v
55 7	87 W	119 w
56 8	88 X	120 x
57 9	89 Y	121 y
58 :	90 Z	122 z
59 ;	91 [	123 {
60 <	92 \	124 \|
61 =	93 ]	125 }
62 >	94 ^	126 ~
63 ?	95 _

首先介绍的是ASCII字符集，ASCII(American Standard Code for Information Interchange，美国信息交换标准代码) 起始于50年代后期，1963年由美国国家标准协会提出，最终完成于1967年。在开发ASCII码的过程中，在字符长度的问题上面(6位、7位、8位？)产生了很大的争议，不能使用替换字符则ASCII不能是6位编码，8位编码版本的费用高，在当时年代每位的存储空间成本非常昂贵，所以8位编码版本也被排除，最终是7位编码的ASCII码。由97 ~ 122的顺序表示26个小写字母、65 ~ 90的顺序表示26个大写字母、48 ~ 57的顺序表示0 ~ 9的10个数字、32个符号、33个句柄和一个空格组成。

什么是7位编码呢？在计算机中，一切数据都是以字节流的形式存在的，一个字节就是8个比特位（8个bit），所以ASCII编码使用一个字节中的7个比特位（7个比特），表示整数0 ~ 127。也就定义了整数到128个字符的映射关系。

字符定义？字符（Character）是一个信息单位。简单来说就是一个汉字、英文或者其他西方语言的字母。用整数和字符完成映射，例如：65 --> A，传入一个整数表明这个数是字符型，计算机就会显示为字符啦。

ASCII字符集的意义？ASCII字符集表示了英文字母、数字、特殊字符、控制符，它是所有字符集的老祖宗，是计算机编码的基础，以后所有其他的字符编码都需要兼容它。

ASCII码的缺点？一个字节可以表示256个状态（0 ~ 255），但是ASCII字符只使用了128个，后面的128个一直都是空的。只能表示一些基本英文字母、阿拉伯数字和英式标点符号。所以只适用于英语语系的国家，不适用于汉字！

ISO8859-1（Latin-1）

上述可以看出，ASCII码字符集所包含的128个字符是不能够满足要求的，并且只是用了128个字符，后面的128位是空的。于是就有了ISO8859-1，又叫Latin-1，包含了256个字符，它是兼容ASCII码的，前面的128个字符与ASCII码完全一致。后面的128个包含了西欧语言、泰语、阿拉伯语、希腊语等来对应相应的文字字符。

GB2312

随着时代的发展，计算机开始逐渐的在东亚流行，我国计算机开始普及后，发现计算机没办法表示当地字符，让我们感到不方便，于是出现了GB2312。GB2312是中国国家标准简体中文字符集，是由中国国家标准总局于1980年发布的，支持6763个常用的汉字和682个其它字符，例如：数字符号、罗马希腊的字母以及日文的假名。用两个字节来表示1个汉字，一个字节表示一个字符。两个字节可以表示 2^16 = 65536个状态，即使汉字再多也可以全部包含进来。后来又有了GBK，GB18030。GB指的就是国标的意思，为了可以显示中文而设计的。

BIG5(大五码)

GB2312是不支持繁体中文的字符，台湾人民的使用就不方便了，于是我国的台湾同胞们自己搞了一套显示繁体中文的大五码 BIG5，是繁体中文社区中最常用的汉字字符集编码，总共13060个汉字，普及于台湾、香港以及澳门等繁体中文通行区，但这不是国家标准，只是业界标准罢了！

GBK

中国是有使用繁体字的需求的，于是GBK增加了对繁体字的支持，是在1995年被提出来的。兼容GB2312，依旧是使用2个字节来表示，可以表示21886个字符。总计收录了21003个汉字，包括常用的繁体汉字以及日韩汉字等。GBK是微软公司利用了GB2312来使用的编码空位来制定的编码。

GB18030

GB18030是最新的中文码表，采用多字节编码，每个字可以由1个、2个或者4个字节组成。可以有效的处理部分人名字的生僻字无法显示在计算机上。GB18030是在2005年由中国国家标准管理委员会提出来的，总计收录70244个汉字，支持少数民族的文字、繁体汉字以及日韩汉字等。

一个字节兼容 ASCII 编码
两个字节兼容 GBK 编码
4个字节支持新增的字符

我们通过以上的字符编码可以知道，全世界各个地方都有属于自己的文字编码，再加上经常不交流，不互通会造成乱码的问题。

那么如多有一种可以统一的字符集，这种字符集把所有的语言字符都收纳其中，每一个字符都给予一个全球独一无二的编码，那么乱码的问题不就可以解决了！于是，全球所有国家和民族使用的所有语言字符的统一字符集就出现了，即Unicode字符集。

Unicode字符集

Unicode字符集是为了给全世界所有的字符一个唯一的编码，这样就不会再造成乱码问题，"唯一"也对应着英文中的 "unique"，编码的英文是 "code"，所以这样由来。

Unicode使用了字符集和编码分开的策略。Unicode字符集统一采用两个字节表示一个字符，包括英文字母也是如此。但是，由于英文占的很多，这里的多是指占互联网信息的绝大部分。在真实的传输和存储过程中，会造成很大的浪费。所以，目前主要采用的是UTF-8编码来实现的具体的传输与存储。

UTF-8是变长编码，使用1 ~ 6个字节编码Unicode字符。西欧字符仍然是1个字节，汉字3个字节以及2个字节表示其它，例如，拉丁文等。

UTF-16使用2个或者4个字节为每个字符编码，不兼容ASCII码。常用的60000余个字符使用两个字节编码，其余使用4个字节编码。但是实际上，多数人都不会用到超过65535个以外的字符！

UTF-32使用固定的4个字节来表示一个字符，不兼容ASCII码。但是存储空间浪费，一直有利用效率的问题，所以一般很少使用。

注意：

对于字符集发展历史的这张图，都是兼容ASCII码的，像箭头向下的GBK是兼容GB2312，而GB18030是兼容GBK的，Unicode中只有UTF-8是兼容ASCII码的，其它两种UTF-16和UTF-32编码是不兼容ASCII码的。

目前主流使用UTF-8编码（8-bit Unicode Transformation Format）。

字符型

java中的字符型在内存中占2个字节，使用单引号来表示字符常量。例如：'a' 表示的就是一个字符，但是它与双引号 "a" 表示的是不同的， "a" 表示的是一个字符的字符串。

char字符类型可以表示Unicode编码表中的字符，占2个字节，可以有65536个字符。

代码示例

/**
* 测试字符型
* 十六进制值表示
* 转义字符
*/

public class TestChar{
    public static void main(String[] args){
        // 简单演示
        char a = 'a';
        char loveChina = '家';

        // Unicode具有0 ~ 65535之间的编码，通常也可以从 '\u0000' 到 '\uFFFF'之间的十六进制值来            
           表示（前缀是u：表示Unicode）
        char u1 = '\u0001';

        // 转义字符
        char u2 = '\t'; // 表示制表符（Tab键）

    }

}

常见转义字符
转义符	含义	Unicode
\b	退格（backspace）	\u0008
\t	制表符（Tab）	\u0009
\"	双引号	\u0022
\'	单引号	\u0027
\n	换行	\u000a
\\	反斜杠	\u005c
\r	回车	\u000d