文章目錄

• 標(biāo)準(zhǔn) ASCII
• 擴(kuò)展 ASCII
• GB2312 編碼
• GBK 編碼
• GB18030 編碼
• Unicode 編碼
• • UCS-2 字符集
  • UCS-4 字符集
• UTF-8 編碼

先有字符集，然后對(duì)每個(gè)字符進(jìn)行編碼，這叫字符編碼，不同的編碼規(guī)則就產(chǎn)生了不同的編碼方案。

標(biāo)準(zhǔn) ASCII

標(biāo)準(zhǔn) ASCII 碼也叫基礎(chǔ) ASCII 碼，使用 7 位二進(jìn)制數(shù)（剩下的1位二進(jìn)制為0）來表示所有的大寫和小寫字母，數(shù)字 0 到 9、標(biāo)點(diǎn)符號(hào)，以及在美式英語中使用的特殊控制字符。

ASCII 編碼是直接將 ASCII 字符集的碼位轉(zhuǎn)換成二進(jìn)制數(shù)進(jìn)行存儲(chǔ)。

7 位二進(jìn)制：0000 0000 ~ 0111 1111 這個(gè)范圍的二進(jìn)制數(shù)可以表示 128 個(gè)字符，最高位沒有使用
可見字符：英文字母、數(shù)字、標(biāo)點(diǎn)符號(hào)
不可見字符：即控制字符，例如，回車符、換行符等

需要記住的字符 ASCII 編碼：
48~57 表示的是數(shù)字
65~90 表示的是大寫英文字母
97~122 表示的是小寫英文字母

擴(kuò)展 ASCII

后 128 個(gè)稱為擴(kuò)展 ASCII 碼，用來表示128 個(gè)特殊符號(hào)字符、外來語字母和圖形符號(hào)，這叫 ASCII 擴(kuò)展字符集。
1000 0000 ~ 1111 1111 這個(gè)范圍的二進(jìn)制數(shù)可以用來表示 128 個(gè)字符。
標(biāo)準(zhǔn) ASCII 和擴(kuò)展 ASCII 總共可以表示 256 個(gè)字符，這些字符都用 1 個(gè)字節(jié)來表示。

GB2312 編碼

GB2312 字符集采有分區(qū)管理的模式，組成 94*94 的方陣，每一行稱為一個(gè)“區(qū)”，每一列稱為一個(gè)“位”，區(qū)號(hào)位號(hào)的范圍均為 01-94，區(qū)號(hào)和位號(hào)組成的代碼稱為“區(qū)位碼”，共計(jì)有 8836 個(gè)碼位。

把每個(gè)字符對(duì)應(yīng)的碼位轉(zhuǎn)換成二進(jìn)制數(shù)，就是 GB2312 編碼。

收集了 7445 個(gè)字符，其中漢字 6763 個(gè)。

01~09 區(qū)收錄了除漢字以外的圖形字符，共計(jì) 682 個(gè)字符
10~15 區(qū)為空白區(qū)，沒有使用
16~15 區(qū)收錄了 3755 個(gè)一級(jí)漢字（常用漢字），按拼音排序
56~87 區(qū)收錄了 3008 個(gè)二級(jí)漢字（非常用漢字），按部首/筆畫排序
88~94 區(qū)為空白區(qū)，沒有使用

01~09 區(qū)表示非漢字的圖形字符，共計(jì) 682 個(gè)字符：

左上角的編號(hào)叫“區(qū)號(hào)”，如上圖的 03 區(qū)中的字符“y”的位號(hào)是 89，那么這個(gè)“y”的碼位就是 0389。

16~55 區(qū)收錄了 3755 個(gè)一級(jí)漢字，按拼音排序：

如上圖所示，漢字“餅”的區(qū)位碼 1793。

56~87 區(qū)收錄了 3008 個(gè)二級(jí)漢字，按部首/筆畫排序：

二級(jí)漢字都是一些不常用的漢字。
如上圖所示，漢字“侃”的碼位是 5709。

如何存儲(chǔ)“侃”這個(gè)漢字？

計(jì)算“侃”這個(gè)漢字字符的 GB2312 編碼，如下圖所示：

根據(jù)上圖所示的計(jì)算結(jié)果，0xD9A9 就是“侃”這個(gè)漢字的 GB2312 編碼，可為什么加上 A0 呢？不知道。

以上可以知道 GB2312 編碼是 2 個(gè)字節(jié)表示一個(gè)字符。

GBK 編碼

在 GB2312 字符集的基礎(chǔ)上擴(kuò)充，得到 GBK 字符集，對(duì)應(yīng)的編碼叫 GBK 編碼。

GB18030 編碼

在 GBK 字符集的基礎(chǔ)上擴(kuò)充，增加了很多少數(shù)民族的字符，得到 GB18030 字符集，對(duì)應(yīng)的編碼叫 GB18030 編碼

Unicode 編碼

Unicode 的學(xué)名是"Universal Multiple-Octet Coded Character Set"，通用多八位編碼字符集，簡稱為 UCS。

UCS-2 字符集

Unicode 早期使用 UCS-2 字符集，使用兩個(gè)字節(jié)表示一個(gè)字符，可以表示 65536 個(gè)字符。

UCS-4 字符集

因?yàn)椴蛔阋员硎救澜绲淖址?#xff0c;所以升級(jí)成了 UCS-4 字符集，使用 4 個(gè)字節(jié)來表示一個(gè)字符，使用 32 位的二進(jìn)制數(shù)來表示字符，可以表示將近 43 億個(gè)字符。

UTF-8 編碼

UTF-8（Unicode Transformation Format）是針對(duì) Unicode 的一種可變長度字符編碼，它不是一種字符集。

UTF-8 將 UCS-4 字符集的碼位劃分成 4 個(gè)區(qū)間。

0x0000 0000 至 0x0000 007F：0xxxxxxx
0x0000 0080 至 0x0000 07FF：110xxxxx 10xxxxxx
0x0000 0800 至 0x0000 FFFF：1110xxxx 10xxxxxx 10xxxxxx
0x0001 0000 至 0x0010 FFFF：11110xxx 10xxxxxx 10xxxxxx 10xxxxxx

漢字“王”在 UCS-4 的碼位（即 Unicode 編碼）是 0x0000738B，轉(zhuǎn)換成二進(jìn)制碼就是 00000000 00000000 01110011 10001011。

0x0000738B 屬于 UTF-8 所劃分的第三區(qū)間，即三字節(jié)模板 1110xxxx 10xxxxxx 10xxxxxx，00000000 00000000 01110011 10001011 從后面往前面逐個(gè)替代模板中的 x，得到 11100111 10001110 10001011，再把這個(gè)二進(jìn)制編碼轉(zhuǎn)換成十六進(jìn)制編碼得到 0xe78e8b，而這個(gè)就是漢字“王”的 UTF-8 編碼了。

總結(jié)

以上是生活随笔為你收集整理的字符集和字符编码的学习的全部內(nèi)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(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。