基本常識：

1.位和字節

位：(bit)，計算機里存放的二進制的值(0/1)。

字節：(byte)，一個字節由8位組成。8個位的組合有256個組合方式，其值范圍：“00000000-11111111”，常用16進制來表示。

通常所說的字符編碼，就是指定義一套規則，將真實世界里的字母、字符與計算機二進制序列進行相互轉化。

2.編碼標準

(1) 拉丁編碼（適用于美國，歐洲）

<1> ASCII編碼

只支持基礎拉丁字母。設計：用1個字節來表示1個字符。且最高位為0，表示字符含義的只有7位，所以可表達的字符只有128個。（適合美國人）

<2>?EASCII編碼

到西歐的時候，發現美國人設計的ASCII編碼無法滿足，所以將一個字節中的最高位也利用了起來，可表達的字符256個。

<3>?ISO 8859

雖然西歐使用256個字符能滿足自身使用了，但是北歐、東歐還是不夠，所以就出現了ISO 8859。

不是單獨的字符集編碼，而是一整套。從ISO 8859-（1-16）沒有12，每個字符集對應不同的區域的編碼。兼容ASCII的。

以上這三種編碼都是單字節編碼，一個字符對應一個字節。

(2)中文編碼：

但是對于字符集更大的中文來說，并不合適。（大概有8w左右），所以需要多個字節來表示一個字符的編碼規則。

GB2312編碼：國家簡體字符集，用兩個字節表示一個漢字。同樣還兼容ASCII編碼規則。

(3) Unicode 編碼：全世界字符統一編碼規則

Unicode 采用4字節來表示一個字符，理論上，能表示的字符數就達到2的31次，21億左右的字符。

但是這樣一來，對于中文和拉丁字母就會形成一種浪費。另外如何讓計算機區分是Unicode編碼還是其他編碼也是需要考慮的問題。

<1>UTF-8編碼：Unicode編碼的一種實現。Unicode是統一編碼標準規范。

編碼規則：

• 規則1：對于單字節字符，字節的第一位為0，后7位為這個符號的Unicode碼，所以對于拉丁字母，UTF-8與ASCII碼是一致的。

• 規則2：對于n字節(n&gt;1)的字符，第一個字節前n位都設為1，第n+1位為0，后面字節的前兩位一律設為10，剩下沒有提及的位，全部為這個符號的Unicode編碼

如圖：

UTF-8 與GBK和GB2312并不完全兼容。也就是說不能通過何種方式進行轉換。只能通過查表的形式來轉換。

UTF-8下的中文占3個字節或4個字節，并不固定。

?

3.UTF-8 的BOM

Bom是微軟給UTF-8加上的，用于表示文件使用的是UTF-8編碼。即在UTF-8編碼的文件起始位置，加入三個字節“EE BB BF”。

標準并不推薦。

?

參照：

http://blog.jobbole.com/76376/

https://www.ibm.com/developerworks/cn/java/j-lo-chinesecoding/

轉載于:https://www.cnblogs.com/solverpeng/p/5617942.html

總結

以上是生活随笔為你收集整理的字符编码常识的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。