《编码》电子书,编码宝典豆瓣

　　编码集

　　1. ASCII编码：

　　27个字母和8个数据位足够存储字母、数字和符号，最高支持0x7F。

　　2. GB2312编码

　　每个汉字占用2个字节(高位和低位)和16个数据。GB2312是ASCII的中文扩展，包含7000多个汉字。它是中国计算机发展后发展起来的一种代码。它检测高位和低位。如果同时大于0x7F，则认为是GB2312，否则认为是ASCII码。

　　相关：《Python视频教程》

　　3. GBK(1995)和GB18030(2005/2000)

　　每个汉字占用2个字节，GB2312因为汉字太多，不能满足需求。GBK包括了GB2312的全部内容，

　　同时新增汉字(包括繁体字)和符号近2万个。只要求高位大于0x7F，低位可以小于0x7F，就认为是中文。

　　国家标准GB18030-2000 《信息交换用汉字编码字符集基本集的补充》是我国继GB2312-1980和

　　继GB13000-1993之后最重要的汉字编码标准，囊括了我国多种少数民族语言，包括7万多个汉字。

　　4.Unicode编码

　　定长存储，把所有语言统一成一组编码集，一般用2个字节，有的有4个字节。这是一个完整的收藏。

　　分为17个面，2个字节为基本面，常用汉字在基本面，4个字节为其他16个面。

　　不兼容的ASCII码，即存储时在ASCII码前面加0，导致存储的数据变大。

　　. utf-8---变长存储

　　国际标准化组织(ISO)规定，英文字符应该使用一个字节，并且应该遵循原始的ASCII码。

　　1~4字节用于表示一个符号，3字节用于中文存储(ascii码内容用1字节保存欧洲字符用2字节保存东亚字符用3字节保存特殊符号用4字节保存)

　　Unicode是内存编码的表示方案(规范)，utf-8是如何保存和传输Unicode的方案(实现)。

　　优点：虽然在内存中汇总的数据都是Unicode，但是当数据保存到磁盘或者用于网络传输时，utf-8会节省更多的流量和硬盘空间。

　　如何判断多少字节代表一个字符：

　　给每个字节加上标识位，其中高位标识位4位，低位标识位2位。判断高位字节开头有多少个1，就可以确定有多少个字节来表示一个字符。

　　. utf-8和Unicode对应关系

　　Utf-8去掉了标识位，变成了unicode。

郑重声明：本文由网友发布，不代表盛行IT的观点，版权归原作者所有，仅为传播更多信息之目的，如有侵权请联系，我们将第一时间修改或删除，多谢。