计算机组成原理基础（一） 编码

计算机我们几乎每天都在接触，所谓的存储并不是我们简简单单的下载复制粘贴那么简单，还有计算机是无法识别我们的汉字，字母甚至符号的。在它的世界里仅仅只是有 01 。也就是说我们看的文字被计算机都编译转换成了01，那么问题又来了，那么多东西都编译成了0101010，计算机又是怎么分开并且准确识别每一个文字，汉字呢？

我们计算机最小的存储单元是一个字节，字节是计算机存储的基本信息单位。

位是计算机的最小数据单位，仅有两个取值0或1。

首先我们先来看一下国际编码规范，说白了就是一个协议（全世界都同意的一个计算机语言）。这里我就简单列举常用的三种 ASCII码  Unicode码 以及现在常用的UTF-8编码。

ASCII码：最原始的编码方式，用一个字节来表示。1B=8bit，也就是说可以有8位，就是2的八次方就是256个，包括0的话就是0~255，但是在实际应用中我们仅仅只是用了低七位，其中b7位用作奇偶校验。

这里可以看一下ASCLL简介。

Unicode码：由于我在学习java，其中Unicode 码起着重要作用。其中的char基本类型采用的就是这个编码，用两个字节进行编码，也就是16位进行二进制进行编码。随着语言的增多，16位也不足够表示全部字符了。

其中还有 码点是指 与一个编码表中的某个一个字符值对应的代码值，代码单元就是储存空间单位length为代码单元长度。

UTF-8 编码：也就是现在我们采用的国际编码。

**UTF-8最大的一个特点，就是它是一种变长的编码方式。它可以使用1~4个字节表示一个符号，根据不同的符号而变化字节长度。
UTF-8的编码规则很简单，只有二条：**

1）对于单字节的符号，字节的第一位设为0，后面7位为这个符号的unicode码。因此对于英语字母，UTF-8编码和ASCII码是相同的。

2）对于n字节的符号（n>1）最多4个字节，第一个字节的前n位都设为1，第n+1位设为0，后面字节的前两位一律设为10。剩下的没有提及的二进制位，全部为这个符号的unicode码。

Unicode符号范围 | UTF-8编码方式

(十六进制) | （二进制）

--------------------±--------------------------------------------

0000 0000-0000 007F | 0xxxxxxx

0000 0080-0000 07FF | 110xxxxx 10xxxxxx

0000 0800-0000 FFFF | 1110xxxx 10xxxxxx 10xxxxxx

0001 0000-0010 FFFF | 11110xxx 10xxxxxx 10xxxxxx 10xxxxxx

下面，还是以汉字“严”为例，演示如何实现UTF-8编码。

已知“严”的unicode是4E25（100111000100101），根据上表，可以发现4E25处在第三行的范围内（0000 0800-0000 FFFF），因此“严”的UTF-8编码需要三个字节，即格式是“1110xxxx 10xxxxxx 10xxxxxx”。然后，从“严”的最后一个二进制位开始，依次从后向前填入格式中的x，多出的位补0。这样就得到了，“严”的UTF-8编码是“11100100 10111000 10100101”，转换成十六进制就是E4B8A5。