1.字符编码和字符集
字符编码:计算机中储存的信息都是用二进制表示的,而我们在屏幕上看到的数字、英文、标点符号、汉字等字符是二进制数转换之后的结果。按照某种规则,将字符存储到计算机中,称为编码。反之,将存储在计算机中的二进制数按照某种规则解析显示出来,称为解码。比如说,按照A规则存储,同样按照A规则解析,那么就能显示正确的文本符号。反之,按照A规则存储,再按照B规则解析,就会导致乱码现象。
编码:字符-->字节;解码:字节-->字符
字符编码就是一套自然语言的字符与二进制数之间的对应规则。
编码表:生活中文字和计算机中二进制的对应规则。
字符集和字符编码是一个一一对应的双射关系。
字符集:也叫编码表。是一个系统支持的所有字符的集合,包括各国家文字、标点符号、图形符号、数字等。
计算机要准确的存储和识别各种字符集符号,需要进行字符编码,一套字符集必然至少有一套字符编码。常见字符集有ASCII字符集、GBK字符集、Unicode字符集。
比如:在欧美,一般直接使用ASCII码就能够满足他们的要求,因为他们只有26个字母和一些其他的字符。而且编码表示的长
度只占一个字节。但是,如果他们的程序要到我们国家来使用,那么我们如果不懂英语就完全不能够使用了。我们国家汉近10万,
所以如果要在我们国家制定一套字符集和字符编码,要将所有汉子表示出来长度就将近17个字节。针对不同要求,在国际化上面,
使用Unicode字符集(该字符集和编码几乎囊括所有国家的常用字符)。而在国内,因为还可能显示其他不常见的汉字,因
此就不能采用Unicode。为此,我们国家便发明了自己的字符集和编码----GB XXX系列,供国内使用。因此,字符集和字符编码的多样性是由于不同区域的需求多样性导致的。但是在国际上,还是使用Unicode字符集和UTF-X编码方式。
ASCII字符集
ASCII是基于拉丁字母的一套电脑编码系统,用于显示现代英语,主要包括控制字符(回车键、退格、换行键等)和可显示字符(英文大小写字符、阿拉伯数字和西文符号)。基本的ASCII字符集,使用7位bits表示一个字符,共128个字符。ASCII的扩展字符集使用8位bits表示一个字符,共256字符,方便支持欧洲常用字符。(所以用ASCII码读写文件的时候数字和英文都是1位)
GBxxx字符集
GB就是国标的意思,是为了显示中文而设计的一套字符集。
GBK:最常用的中文码表。是再GB2312标准基础上的扩展规范,使用了双字节编码方案,共收录了21003个汉字,完全兼容GB2312标准,同时支持繁体汉字以及日韩汉字等。
Unicode字符集
Unicode编码系统为表达任意语言的任意字符而设计,是业界的一种标准,也称统一码、标准万国码。
它最多使用4个字节的数字来表达每个字母、符号,或者文字。有三种编码方案,UTF-8、UTF-16和UTF-32,最为常用的UTF-8。
U