字符编码

字符

字符分为可见字符和控制字符

1、可见字符

英文字母，数字，标点符号

2、控制字符（不可见字符）

如：回车、换行

字符集

码位	代表字符
0	空字符
1	标题开始
2	正文开始
…	…
31	单元分割符
…	…
65	A
…	…
90	Z
…	…
127	删除

码位就是一个字符编号，这样的一张表就是字符集。可见字符一共95个，控制字符一共33个。

ASCAII码表

码位	代表字符	ASCAII码
0	空字符	00000000
1	标题开始	00000001
2	正文开始	00000002
…	…
31	单元分割符	00011111
…	…
65	01000001
…	…
90	Z	01111010
…	…
127	删除	01111111

ASCAII码 就是每个字符编号对应的二进制

一些欧洲国家使用计算机的时候，原来的128个字符无法满足需求，就在此基础上进行扩展

扩展ASCAII码表

从编号128后开始往后排，到编号255一共扩展了128个字符，对应的表就是扩展ASCAII码表

往后，中国开始使用计算机的时候，常用的汉字就有几千个，256个字符无法满足需求，需要对字符集进行扩展。

采用两个字节来存储

GB2312字符集

首先需要设计字符集

使用分区管理，一共划分了94个区，一个区有94个字符。总共包含了8836个字符

01-09区收录除汉字外的682个字符。
10-15区为空白区，没有使用。
16-55区收录3755个一级汉字，按拼音排序。
56-87区收录3008个二级汉字，按部首/笔画排序。
88-94区为空白区，没有使用。

这个字符集就叫做GB2312字符集

举例：比如03区y字符的编号是多少呢？

答 ： 0389

03 代表03区
89代表在第8行第9列

我们只给字符进行了编号，并没有规定字符在计算机中如何进行存储。

如：汉字 侃的编号是5709

为什么要与0XA0相加呢？这样可以让每个字符的高8位和低8位都大于127，可以和ASCAII区分开来。

GB2312字符集有6736个汉字

GBK字符集

GBK字符集是对GB2312字符集 的一个扩展

不在规定低8位需要大于127，这样扩充接近2万个汉字和符号

这样的编码就称作GBK编码

GB18030字符集

后来又新增了少数民族的字符，对应的编码就是GB18030编码

世界上有很多国家，如果每个国家都有自己对应的一套编码，国家与国家之间的信息交流就会非常混乱。

后来，国际化标准组织（International Organization for Standardization）提出了Unicode标准，来统一规范字符编码

Unicode标准包括了世界上所有字符，以及对应的编码。

UCS-2字符集

像ASCAII字符集一样给所有字符编号，然后将编号直接转为二进制

一共可以表示65535个字符（2个字节）

UCS-4字符集

65535个字符还是无法满足世界上所有字符，

采用4个字节来存储字符，一共可以代表2^32个字符，也就是42亿个字符

这样就可以包括世界上所有的字符了。

但是，UCS-4字符集采用了4个字节来存储一个字符，会造成空间的浪费。比如原先ASCAII字符集存储字符a只需要一个字节，采用UCS-4编码却需要4个字节

这样的编码并没有被各国很好地接受。

UTF-8编码

基于UCS-4字符集，对字符进行编码

UTF-8编码规则

将UCS-4字符集划分为4个区间

举例：

王字在UCS-4字符集对应的编号是0X0000 738B

对应的二进制数是

0000 0000 0000 0000 0111 0011 1000 1011

对应划分的区间为

最终的二进制编码为

1110 0111 1000 1110 1000 1011

转化为16进制，结果是

0Xe7 0X8e 0X8b

图解如下：

视频地址：

https://www.bilibili.com/video/BV1gZ4y1x7p7?from=search&seid=3675790843208692425