ASCII编码，将英文存储到计算机

　　ASCII（American Standard Code for Information Interchange，美国信息互换标准代码）是一套基于拉丁字母的字符编码，共收录了 128 个字符，比如大写字母A的编码是65，小写字母z的编码是122(ASCII码对照表自行百度)，用一个字节就可以存储，它等同于国际标准 ISO/IEC 646。
　　ASCII 规范于 1967 年第一次发布，最后一次更新是在 1986 年，它包含了 33 个控制字符（具有某些特殊功能但是无法显示的字符）和 95 个可显示字符。

Unicode字符集，将全世界的文字存储到计算机

　　要处理中文显然一个字节是不够的，至少需要两个字节，而且还不能和ASCII编码冲突，所以，中国制定了GB2312编码，用来把中文编进去。你可以想得到的是，全世界有上百种语言，日本把日文编到Shift_JIS里，韩国把韩文编到Euc-kr里，各国有各国的标准，就会不可避免地出现冲突。
　　ASCII、GB2312、GBK、Shift_Jis、ISO/IEC 8859 等地区编码都是各个国家为了自己的语言文化开发的，不具有通用性，在一种编码下开发的软件或者编写的文档，拿到另一种编码下就会失效，必须提前使用程序转码，非常麻烦。因此Unicode应运而生，Unicode也称为统一码、万国码；看名字就知道，Unicode希望统一所有国家的字符编码。Unicode 于 1994 年正式公布第一个版本，现在的规模可以容纳 100 多万个符号，是一个很大的集合。

　　有兴趣的可以转到 https://unicode-table.com/cn 查看 Unicode 包含的所有字符，以及各个国家的字符是如何分布的

Unicode 字符集是如何存储的

Unicode 是一套字符集，而不是一套字符编码。
严格来说，字符集和字符编码不是一个概念：
　　1.字符集定义了字符和二进制的对应关系，为每个字符分配了唯一的编号。可以将字符集理解成一个很大的表格，它列出了所有字符和二进制的对应关系，计算机显示文字或者存储文字，就是一个查表的过程。
　　2.而字符编码规定了如何将字符的编号存储到计算机中。如果使用了类似 GB2312 和 GBK 的变长存储方案（不同的字符占用的字节数不一样），那么为了区分一个字符到底使用了几个字节，就不能将字符的编号直接存储到计算机中，字符编号在存储之前必须要经过转换，在读取时还要再逆向转换一次，这套转换方案就叫做字符编码。

有的字符集在制定时就考虑到了编码的问题，是和编码结合在一起的，例如 ASCII、GB2312、GBK、BIG5 等，所以无论称作字符集还是字符编码都无所谓，也不好区分两者的概念。而有的字符集只管制定字符的编号，至于怎么存储，那是字符编码的事情，Unicode 就是一个典型的例子，它只是定义了全球文字的唯一编号，我们还需要 UTF-8、UTF-16、UTF-32 这几种编码方案将 Unicode 存储到计算机中。

Unicode 可以使用的编码方案有三种，分别是：
　　1.UTF-8：一种变长的编码方案，使用 1~6 个字节来存储；
　　2.UTF-16：一种固定长度的编码方案，不管字符编号大小，始终使用 4 个字节来存储；
　　3.UTF-32：介于 UTF-8 和 UTF-32 之间，使用 2 个或者 4 个字节来存储，长度既固定又可变。

UTF

UTF 是 Unicode Transformation Format 的缩写，意思是"Unicode转换格式"，后面的数字表明至少使用多少个比特位（Bit）来存储字符。

UTF-8：
　　如果只有一个字节，那么最高的比特位为 0，这样可以兼容 ASCII；
　　如果有多个字节，那么第一个字节从最高位开始，连续有几个比特位的值为 1，就使用几个字节编码，剩下的字节均以 10 开头；
　　UTF-8编码把一个Unicode字符根据不同的数字大小编码成1-6个字节，常用的英文字母被编码成1个字节，汉字通常是3个字节，只有很生僻的字符才会被编码成4-6个字节。

UTF-16：
　　UFT-16使用 2 个或者 4 个字节来存储。

UTF-32：
　　UTF-32 是固定长度的编码，始终占用 4 个字节，足以容纳所有的 Unicode 字符，所以直接存储 Unicode 编号即可，不需要任何编码转换。浪费了空间，提高了效率。

标签：无

你的评论