字符编码

来源：互联网发布：cad绘图软件下载编辑：程序博客网时间：2024/05/22 05:21

字符编码

计算机里面只有数字，计算机软件里的一切都是用数字来表示的，屏幕上显示的一个个字符也不例外。
字符a对应数字97，字符b对应数字98等，这种字符与数字对应的编码规则被称为ASCII(没过标准信息交换码)。ASCII的最高bit位都为0，也就是说这些数字都在0到127之间。
中国大陆将每一个中文字符都用两个字节的数字来表示，中文字符的每个字节的最高位bit都为1，中国大陆为每个中文字符制定的编码规则称为GB2312（国标码）。
在GB2312的基础上，对更多的中文字符（包括繁体）进行了编码，新的编码规则称为GBK。
在中国大陆使用的计算机系统上，GBK和GB2312就被称为该系统的本地字符集。
“中国”的“中”字，在中国大陆的编码是十六进制的D6D0，而在中国太歪的编码是十六进制的A4A4，台湾地区对中文字符集得编码规则称为BIG5（大五码）。
在一个国家的本地化系统中出现的一个字符，通过电子邮件传送到另一个国家的本地化系统中，看到的就不是那个原始字符了，而是另外那个国家的一个字符或乱码。

Unicode编码

ISO（国际标准化组织）将全球所有的符号进行了东一遍吗，称之为Unicode编码。
“中”这个符号，在全世界的任何角落始终对应的都是一个十六进制的4e2d
如果所有的计算机系统都使用Unicode编码，在中国大陆的本地化系统中显示的“中”这个符号，发送到伊拉克的本地化系统中，显示的仍然是“中”这个符号
Unicode编码的字符都占用两个字节的大小，对于ASCII码所表示的字符，只是简单的在ASCII码原来占用的一个字节前面，增加了所有bits为0的字节。
Unicode只占用两个字节，在全世界范围内所表示的字符个数不会超过2的16次方（65536），实际上，Unicode编码中还保留了两千多个数值没有用于字符编码。
在相当长的一段时间内，本地化字符编码将于Unicode编码共存。
Java中的字符使用的都是Unicode编码，java在通过Unicode保证跨平台特性的前提下，也支持本地平台字符集。

UTF-8编码

ASCII码字符保持原样，仍然只占用一个字节，对于其他国家的字符，UTF-8使用两个或三个字节来表示，使用UTF-8编码的文件，通常都要用EF BB BF作为文件开头的三个字节数据。

优点：

缺点：

某些字符需要使用三个字节

UTF-16编码

UTF-16编码只爱Unicode基础上进行了一些细节上的扩充，增加了对Unicode编码没有包括的那些字符的表示方式。
UTF-16对Unicode的扩种并没有影响Unicode编码所包括的那些字符，只是增加了对Unicode编码没有包括的那些字符的表达方式，一个使用Unicode编码的字符就是UTF-16格式的。
Unicode编码将0xD800-0xDFFF区间的数值保留出来，UTF-16扩充的字符，占用是个字节，前面连个字节的数值为0xD800-0xD8FF之间，后面两个字节的数值为0xDC00-0xDFFF之间。
为什么不让前面和后面的两个字节的数值都位于0xD800-0xDFFF之间呢？
在不同的体系结构中，UTF-16编码的Unicode字符在内存中的字节存储循序是不同的。
对于0x1234这样的一个双字节数据，只用Little-Endian和Big-Endian两种方式在内存中存储的格式
如果文件以0xFE 0xFF这两个字节开头，则表明文本的其余部分是Big-Ecdian的UTF-16编码：如果文件以0xFF 0xFE这两个字节开头，则表明文本的其余部分是Little-Endian的UTF-16编码。

字符编码的操作体验：我们可以使用UtriEdit分别查看