编码笔记

概念

• 字符：文字和符号的统称
• 字符集：字符对应的编码，类似字典
• 编码：将字符集转化为计算机0,1语言
• 字符编码：将计算机的0,1语言与字符集中的字符对应起来

ASCII码

• American Standard Code for Information Interchange (美国标准信息互换码)
• 晶体管有0,1两种状态 =》在原来技术不是很发达的时代，7根可有2⁷=128个状态，美国字符足够了，最经济 =》标准7位ASCII码

1. 0 - 31：控制字符

2. 32 - 126：打印字符

   	48 - 57：0 - 9
   	65 - 90：A - Z
   	97 - 122：a - z
   

3. 2⁸ => 扩展ASCII码：256个状态

• 单字节，8位表示一个字符

中文字符集

GB2312

• 吸收了ASCII的128个状态，这128个保持单字节不变(半角)
• 剩下的中文，日文等用16位表示一个字符，为双字节(全角)

GBK

• 扩展了GB2312，加上了2000多繁体字

GB18030

• 再次扩展

DBCS(Double Bytes Character Set，双字节字符集)

• 除了ASCII外，其他字符都占双字节

Unicode

• 统一字符集，万国码，单一码

• 所有都是16位，ASCII码前加8个0

• Unicode：2¹⁶ = 65536 ， 其中中文19968 - 40869(十六进制 \u4E00 - \u9FA5)

UTF(Unicode的编码方式)

1. UTF-8：可变字节编码，网络传输中常用，但解码较复杂
2. UTF-16：基本等同于Unicode，编码效率最高，适合本地。不够经济，不适合网络传输
3. UTF-32: 4字节，不普及

UTF-8

• 一个一个字节的读，根据bit标志识别是几个字节的字符
• 其中，0 - 127：一个字节，127 - 2047：两个字节，2048 - …：三个字节
• ASCII：一个字节，中文：三个字节

UTF-8 编码过程

假设文本为“aà一”

1. 获取十六进制编码为
   61 C3 A9 E4 B8 80
2. 计算二进制编码
   01100001
   11000011
   10100001
   11100100
   10111000
   10000000
3. 根据UTF-8规则分组
   01100001 (第一组 0=》ASCII)
   11000011 (第二组 110+10=》两个字节)
   10100001
   11100100 (第三组 1110+10+10=》三个字节)
   10111000
   10000000
4. 重新计算，删除bit标志，不足16位高位补0
   0000000001100001
   0000000011100001
   0100111000000000
5. 根据Unicode反查出结果

URL编码

Http协议中参数的传输是"key=value"这种键值对形式的，如果要传多个参数就需要用“&”符号对键值对进行分割。如"?name1=value1&name2=value2"，这样在服务端在收到这种字符串的时候，会用“&”分割出每一个参数，然后再用“=”来分割出参数值。浏览器对url中传入的符号进行编码，避免与=，&等符号混淆。