計(jì)算機(jī)常見編碼

1. 位 bit 最小的單元

字節(jié) byte 機(jī)器語言的單位

1byte=8bits 1KB=1024byte 1MB=1024KB

1GB=1024MB

2. 二進(jìn)制 binary

八進(jìn)制 octal

十進(jìn)制 decimal

十六進(jìn)制 hex

3. 字符：是各種文字和符號(hào)的總稱，包括各個(gè)國家的文字，標(biāo)點(diǎn)符號(hào)，圖形符號(hào)，數(shù)字等。

字符集：字符集是多個(gè)符號(hào)的集合，每個(gè)字符集包含的字符個(gè)數(shù)不同。

字符編碼：字符集只是規(guī)定了有哪些字符，而最終決定采用哪些字符，每一個(gè)字符用多少字節(jié)表示等問題，則是由編碼來決定的。計(jì)算機(jī)要準(zhǔn)確的處理各種字符集文字，需要進(jìn)行字符編碼，以便計(jì)算機(jī)能夠識(shí)別和存儲(chǔ)各種文字。

常見的字符集有：ASCII 字符集，GB2312 字符集，BIG5 字符集，GB18030 字符集，

Unicode 字符集，下面一一介紹：

l 定義：

美國信息互換標(biāo)準(zhǔn)代碼，是基于羅馬字母表的一套電腦編碼系統(tǒng)，主要顯示  英語和一些西歐語言，是現(xiàn)今最通用的單字節(jié)編碼系統(tǒng)。

控制字符（回車鍵，退格，換行鍵等）

可顯示字符（英文大小寫，阿拉伯?dāng)?shù)字，西文符號(hào)）

擴(kuò)展字符集（表格符號(hào)，計(jì)算符號(hào)，希臘字母，拉丁符號(hào)）

第 0-31 號(hào)及 127 號(hào)是控制字符或通訊專用字符；

第 32-126 號(hào)是字符，其中 48-57 號(hào)為 0-9 十個(gè)阿拉伯?dāng)?shù)字，65-90 號(hào)為 26 個(gè)大寫英文字母，97-122 號(hào)為 26 個(gè)英文小寫字母，其余為一些標(biāo)點(diǎn)符號(hào)，運(yùn)算符號(hào)等。

在計(jì)算機(jī)存儲(chǔ)單元中，一個(gè) ASCII 碼值占一個(gè)字節(jié)（8 個(gè)二進(jìn)制位），最高位是用作奇偶檢驗(yàn)位。【奇偶校驗(yàn)是指：在代碼傳送的過程中，用來檢驗(yàn)是否出錯(cuò)的一種方法。】奇偶校驗(yàn)分為奇校驗(yàn)和偶校驗(yàn)。奇校驗(yàn)規(guī)定：正確的代

碼一個(gè)字節(jié)中 1 的個(gè)數(shù)必須是奇數(shù)，若非奇數(shù)，則在最高位添 1；偶校驗(yàn)規(guī)

定：正確的代碼一個(gè)字節(jié)中 1 的個(gè)數(shù)必須是奇數(shù)，若非奇數(shù)，則在最高位添

1。

l 定義：

信息交換用漢字編碼字符集。是中國標(biāo)準(zhǔn)的簡體中文字符集，它所收錄的漢字已經(jīng)覆蓋 99.75%的使用頻率，在中國大陸和新加坡廣泛使用。

GB2312 收錄了簡化漢字及一般字符，序號(hào)，數(shù)字，拉丁字母，日文假名， 希臘字母，俄文字母，漢語拼音符號(hào)，漢語注音字母，共 7445 個(gè)圖形字符。其中包括 6763 個(gè)漢字，一級(jí)漢字 3755 個(gè)，二級(jí)漢字 3008 個(gè)。

GB2312 對(duì)所收漢字進(jìn)行了“分區(qū)”處理，每區(qū)含有 94 個(gè)漢字或者符號(hào)，這種表示方法也叫做“區(qū)位碼”。

它是用雙字節(jié)表示的，前面的字節(jié)為第一字節(jié)，又稱“高字節(jié)”，后面的為第二字節(jié)，“低字節(jié)”。

高位字節(jié)，把 01-87 區(qū)的區(qū)號(hào)加上 0xA0（相當(dāng)于數(shù)字 160）；低位字節(jié)把 01-94

區(qū)的區(qū)號(hào)加上 0xA0（相當(dāng)于數(shù)字 160）。 舉個(gè)簡單的小例子：第一個(gè)漢字—

—“啊”，它的區(qū)號(hào)為 16，位號(hào) 01，則區(qū)位碼是 1601。則高字節(jié)位：

16+0xA0=0xB0；低字節(jié)位：01+0xA0=0xA1，所以“啊”的漢字處理編碼為

0xB0A1。

l 定義：

GBK 是 GB2312 字符集的擴(kuò)展（K）(中國的中文編碼表升級(jí)，融合了更多的中文文字符號(hào)。)，它收錄了 21886 個(gè)符號(hào)，它分為漢字區(qū)和圖形符號(hào)區(qū)， 漢字區(qū)包括 21003 個(gè)字符。GBK 字符集主要擴(kuò)展了繁體中文字的支持。

l 定義：

又稱大五碼，由臺(tái)灣五家軟件公司創(chuàng)立。因?yàn)楫?dāng)時(shí)臺(tái)灣沒有一個(gè)標(biāo)準(zhǔn)的字符集，而且GB2312 又沒有收錄繁體字，所以才推出了BIG5。

BIG5 字符集共收錄了 13053 個(gè)中文字，該字符集在臺(tái)灣使用。但是沒有考慮到社會(huì)上流通的人名，地方用字，方言用字，化學(xué)及生物科等用字，沒有包含日文平假名及片假字母。

BIG5 也采用雙字節(jié)存儲(chǔ)方法，一兩個(gè)字節(jié)編碼一個(gè)字。高位字節(jié)的編碼范圍是 0xA1-0xF9,低位字節(jié)的編碼范圍是 0xA1-0xFE。

l 定義：

GB18030 字符集標(biāo)準(zhǔn)解決漢字，日文假名，朝鮮語和中國少數(shù)民族文字組成的大字符集計(jì)算機(jī)編碼問題。

該標(biāo)準(zhǔn)的字符總編碼空間超過 150 萬個(gè)編碼位，收錄了 27484 個(gè)漢字，覆蓋中文，日文，朝鮮語和中國少數(shù)民族文字。滿足中國大陸，香港，臺(tái)灣，日本和韓國等東南亞地區(qū)信息交換多文種，大字量，多用途，統(tǒng)一編碼格式的要求。

GB8030 標(biāo)準(zhǔn)采用單字節(jié)，雙字節(jié)和四字節(jié)三種方式對(duì)字符編碼。 單字節(jié)部分使用 0x00-0x7F 碼（對(duì)應(yīng)于ASCII 碼的相應(yīng)碼）；

雙字節(jié)部分，首字節(jié)碼從 0x81-0xFE,尾字節(jié)碼分別是 0x40-0x7E 和 0x80-0xFE。四字節(jié)部分采用 0x30-0x39 作為雙字節(jié)編碼擴(kuò)充的后綴，這樣擴(kuò)充的四字節(jié)編碼，其范圍是 0x81308130-0x0xFE39FE39,其中第一，三個(gè)字節(jié)編碼位均為0x81-0xFE，第二，四個(gè)為 0x30-0x39。

6. ISO8859-1：拉丁碼表。歐洲碼表用一個(gè)字節(jié)的 8 位表示。

l 定義：

（國際標(biāo)準(zhǔn)碼，融合了多種文字。所有文字都用兩個(gè)字節(jié)來表示,Java  語言使用的就是 unicode） University multiple-object coded character set（通用多八位編碼字符集），支持世界上超過 650 種語言的國際字符。Unicode 允許在同一服務(wù)器上混合使用不同語言，它為每種語言的每個(gè)字符設(shè)定了統(tǒng)一并且唯一的二進(jìn)制編碼，以滿足跨平臺(tái)，跨語言進(jìn)行文本轉(zhuǎn)換，處理的要求

Unicode 標(biāo)準(zhǔn)始終使用十六進(jìn)制數(shù)字，固定使用 2 個(gè)字節(jié)來表示一個(gè)字符， 共可以表示 65536 個(gè)字符。而且書寫時(shí)在前面加上前綴“U+”，例如 A 的編碼是 004116，則書寫成“U+0041”。

Ø UTF-8： （最多用三個(gè)字節(jié)來表示一個(gè)字符。）

UTF8 是 unicode 其中的一個(gè)使用方式。UTF 的意思是： unicode translation format，即把 unicode 轉(zhuǎn)作某種格式的意思。UTF-8使用可變長度字節(jié)來存儲(chǔ) unicode 字符，如 ASCII 字母還是采用一個(gè)字符來存儲(chǔ)，希臘字母等采用 2 個(gè)字符來存儲(chǔ)，而常用的漢字要使用 3 字節(jié)，輔助平面字符則使用 4 字節(jié)。

使用一個(gè)或兩個(gè)未分配的 16 位代碼單元的序列對(duì) unicode 代碼