位(bit)、字节(byte)、字符、编码之间的关系
1、位:
数据存储的最小单位。每个二进制数字0或者1就是1个位;
2、字节:
8个位构成一个字节;即:1 byte (字节)= 8 bit(位);
1 KB = 1024 B(字节);
1 MB = 1024 KB; (2^10 B)
1 GB = 1024 MB; (2^20 B)
1 TB = 1024 GB; (2^30 B)
3、字符:
a、A、中、+、*、の......均表示一个字符;
一般 utf-8 编码下,一个汉字 字符 占用 3 个 字节;
一般 gbk 编码下,一个汉字 字符 占用 2 个 字节;
4、字符集:
即各种各个字符的集合,也就是说哪些汉字,字母(A、b、c)和符号(空格、引号..)会被收入标准中;
5、编码:
规定每个“字符”分别用一个字节还是多个字节存储,用哪些字节来存储,这个规定就叫做“编码”。(其实际是对字符集中字符进行编码,即:每个字符用二进制在计算中表示存储);
通俗的说:编码就是按照规则对字符进行翻译成对应的二进制数,在计算器中运行存储,用户看的时候(比如浏览器),在用对应的编码解析出来用户能看懂的;
(1)标准ASCii字符集:有96个打印字符,和32个控制字符组成;一共96+32=128个;
用7位二进制数来对每1个字符进行编码;
而由于7位还还不够1个字节,而电脑的内部常用字节来用处理,每个字节中多出来的最高位用0替代;
0 000 0000.........................0
0 111 1111..........................127; 从0----127,来表示128个ACSii编码;
比如:字符 'A'----------在计算器内部用0100 0001 (65)来表示;
字符'a'-----------在计算器内部用0 110 0001 (97)来表示;
注意:'10'在计算器内部是没有编码的,因为它是字符串,而不是单个字符。可以分别对1,0字符编码存储;
(2)扩展ASCii字符集:将标准的ASCii最高位1,得到十进制代码128---255(1 000 0000----1 111 1111);所以字符集一共有0---255, 256个字符;
(3)gb2312字符集: 所有汉字字符在计算机内部采用2个字节来表示,每个字节的最高位规定为1【正好与标准ASCii字符(最高位是0)不重叠,并兼容】,不支持繁体字;
所以:gb2312表示汉字的编码为:[129--255][129--255] (两个字节,每个字节最高位是1);小于127的字符,与ASCii编码相同;
(4)gbk字符集:gb2312的扩充,兼容gb2312,除了收录gb2312所有的字符外,还收录了其他不常见的汉字、繁体字等;
gbk中字符是一个或两个字节,单字节字符00--7F(0---127)这个区间和ASCII是一样的;
双字节字符的第一个字节是在81--FE(129--254)之间。通过这个可以判断是单字节还是双字节;
即:在gbk字符编码,如果第一个字节是>128的,则再往后找一个字节,组成汉字;如果第一个字节<128,则表示的是一个单字节(此时和ASCII是一样的);
<?php
// gbk编码下,无乱码截取中文字符;// 方法1:自定义函数1;function subgbk($str,$lens){ // 形参 $str 表示将要截取的原始字符串, $lens 表示 设定需要截取的 字符 个数;if($lens<=0){return '';}$chars = 0; // 计算,统计已经截取的字符个数;$res = ''; // 已经截取的字符长度;$offset = 0; // 偏移量,从字符串中那个字节开始截取;$lengths = strlen($str); // 将要截取的原始字符串 字节 的数;while($chars<$lens && $offset<$lengths){$hight = ord(substr($str,$offset,1)); // 计算出 gbk字符中 高字节的所对应编码的值;if($hight>128){// 截取两个字节,代表一个字符;即:双字节字符;$count = 2;}else{//截取一个字节,代表一个字符,即:单字节字符;$count = 1;}$res .= substr($str,$offset,$count);$offset += $count;$chars++;} return $res;
}
?>
<?php// 方法2:自定义函数2;// 思路:先把字符串中 所有的 字符 逐一取出来 组成数组,然后对 数组元素 进行截取;最后截取出的数组拼接成想要的字符串;function strgbk2($str,$strat,$length=NULL){ // 第三个参数默认设置的值是NULL,这个参数是参考了下边的array_slice()函数,如果省略的话,则表示,一直截取到最后末尾;$zijielen = strlen($str); // 计算出 原始字符串 $str 的 字节长度;$chars = 0; // 统计计算截取的 字符 数;$zifuarr = array(); //将字符串按照 字符 的形式 分割到 数组中;(待存储); for($i = 0;$i<$zijielen;){ // $i 表示 原始字符串 $str 中的字节(标记); if(ord(substr($str,$i,1)) > 128){// 双字节字符,两个字节来表示一个字符;$zifuarr[] = $str[$i].$str[$i+1];// $zifuarr[] = substr($str,$i,2); 两种写法的意思是一样的,都是 取得 某个字符 某些的 字节;$i += 2;}else{// 单字节字符,一个字节表示一个字符;$zifuarr[] = $str[$i];// $zifuarr[] = substr($str,$i,1); 两种写法的意思是一样的,都是 取得 某个字符 某个的 字节;$i++;}$chars++; // 每次循环,相当于截取一个存储 字符; 相当于所有的数组元素个数 count($zifuarr);}if($chars < $strat){ // 当偏移 过 字符 总长度时候;(开始截取的位置,已经超过了字符的总长度);return 'No characters have been found !';}return implode(array_slice($zifuarr,$strat,$length)); // array_slice()是截取数组一部分;implode()是将截取出来的字符串,链接起来;}?>
<?php// 方法3:用php内置的函数 mb_substr截取;//此函数和 mb_strlen()函数一样,都是针对 多字节 字符 的操作函数,在特定的编码下,针对 字符 的 截取(mb_substr)和长度的计算(mb_strlen);$strgbk = 'ds我是fdg一个中国xghdt人';
echo mb_substr($strgbk,2,3,'gbk'); // 我是f?>
(5)Unicode字符集:容纳世界上所有语言字符和符号的集合;(以及对应的二进制数字);
Unicode只是一个编码规范,目前实际实现的unicode编码只要有三种:UTF-8,UCS-2和UTF-16,三种unicode字符集之间可以按照规范进行转换。
(6)utf-8编码:UTF-8(8-bit Unicode Transformation Format)是一种针对Unicode的可变长度字符编码,也是一种前缀码。它可以用来表示Unicode标准中的任何字符,且其编码中的第一个字节仍与ASCII兼容,这使得原来处理ASCII字符的软件无须或只须做少部分修改,即可继续使用。因此,它逐渐成为电子邮件、网页及其他存储或发送文字的应用中,优先采用的编码。
对于UTF-8编码中的任意字节B,如果B的第一位为0,则B独立的表示一个字符(ASCII码);
如果B的第一位为1,第二位为0,则B为一个多字节字符中的一个字节(非ASCII字符);
如果B的前两位为1,第三位为0,则B为两个字节表示的字符中的第一个字节;
如果B的前三位为1,第四位为0,则B为三个字节表示的字符中的第一个字节;
如果B的前四位为1,第五位为0,则B为四个字节表示的字符中的第一个字节;
因此,对UTF-8编码中的任意字节,根据第一位,可判断是否为ASCII字符;根据前二位,可判断该字节是否为一个字符编码的第一个字节;根据前四位(如果前两位均为1),可确定该字节为字符编码的第一个字节,并且可判断对应的字符由几个字节表示;根据前五位(如果前四位为1),可判断编码是否有错误或数据传输过程中是否有错误。
即:
1、单字节的字符,字节的第一位设为0,对于英语文本,UTF-8码只占用一个字节,和ASCII码完全相同;
2、n个字节的字符(n>1),第一字节的前n位设为1,第n+1位设为0,后面字节的前两位都设为10;
3、2个字节,第一个字节的前2位是1;3个字节,第一个字节的前三位是1; 4个字节,第一个字节的前4位都是1;
// 如何截取中文,无乱码,假设utf-8编码;
<?php// 方法1:自定义函数; function subutf8($str,$len){ // 两个形式参数,$str代表原始目标字符串,$len表示需要截取 字符 的个数; 注意是 字符的 个数;if($len<=0){ // 当 将要截取的字符数 <=0的时候 返回 空字符串;return '';}$chars = 0 ; // $chars 参数 代表 已经截取的字符的个数, 默认初始设置为0;$res = ''; // $res 参数 表示 已经截取的字符串的长度, 默认初始设置为空(字符串);$offset = 0; // $offset 参数 表示 字节 截取的偏移量; 即从字符串中(偏移几个字节)哪个字节开始截取; $lengths = strlen($str); // $lengths 参数 表示 原始整个字符串的 字节的长度; 而应保证 $offset < $lengths; 否则都无字符可截取; while($chars<$len && $offset < $lengths){ // $chars<$len; 应是< 而不是<= ;因为是从0开始的,并执行循环截取的;$higher = decbin(ord(substr($str,$offset,1))); // 计算出 一个字符 中 第一个字节(高字节)的二进制;if(strlen($higher) < 8){ // decbin()函数 转换出来的 二进制数 如果 <128(10000000) 的时候,即是二进制长度<8位的时候,前面高位不默认补0;// 截取一个字节;(表示一个字符);$count = 1;}else if(substr($higher,0,3) == '110'){//截取两个字节(表示一个字符);$count = 2;}else if(substr($higher,0,4) == '1110'){//截取三个字节(表示一个字符);$count = 3;}else if(substr($higher,0,5) == '11110'){//截取四个字节(表示一个字符);$count = 4;}else if(substr($higher,0,6) == '111110'){//截取五个字节(表示一个字符);$count = 5;}else if(substr($higher,0,7) == '1111110'){//截取六个字节(表示一个字符);$count = 6;}$res .= substr($str,$offset,$count);$offset += $count;$chars++;}return $res;
}?>
<?php//方法2:使用系统函数截取
mb_substr(),不会乱码.例:
$str = '换s几ss个字实现中文字串截取无乱码的方法。';
echo mb_substr($str,0,5,'UTF-8');// '换s几ss'?>php
// 中文字符串实现反转;$a = '我是一个好人';
function strrevv($str) {$strlen = mb_strlen($str,'UTF-8');$arr = array();for($a=0;$a<=$strlen;$a++) {$arr[] = mb_substr($str,$a,1,'UTF-8');}$newstr = implode('',array_reverse($arr));return $newstr;
}
echo strrevv($a);// mb_strlen(str,utf-8); 字符串中字符的个数;// mb_substr(str,start,length,utf-8); 多字节字符的截取;// mb_strpos(str,needle,offset,utf-8);查找子字符串,在字符串中出现的位置;// mb_substr_count(str,needle,utf-8);统计子字符串,在字符串中出现的次数;
位(bit)、字节(byte)、字符、编码之间的关系相关推荐
- c语言比特和字节,详解 比特(位,bit),字节(Byte),字符的区别 *(转)
比特(位):英文bit,是计算机晶体管的一种状态(通电与断电).就是0与1,真与假,是计算机最基本的传输单位. 示例: 2bit : 10; 4bit : 1111; 8bit : 1111 1111 ...
- 计算机的基础知识---位(bit)、字节(byte)、编码(Encoding)和大小端
一.基础知识简介 1.1.位(bit) 位(bit):是计算机的最小数据存储单位(即:由二进制数字0和1表示)可用小写的b表示: 现代计算机存储和处理的信息以二值信号表示.这些微不足道的二进制数字,或 ...
- 字符编码之间的相互转换 UTF8与GBK
原文地址为: 字符编码之间的相互转换 UTF8与GBK UTF8与GBK字符编码之间的相互转换 C++ UTF8编码转换 CChineseCode 一 预备知识 1,字符:字符是抽象的最小文本单位.它 ...
- UTF8与GBK字符编码之间的相互转换
UTF8与GBK字符编码之间的相互转换 C++ UTF8编码转换 CChineseCode 一 预备知识 1,字符:字符是抽象的最小文本单位.它没有固定的形状(可能是一个字形),而且没有值.&qu ...
- MySQL基础篇:位、字节和字符的关系
零. 目的 为了深入的学习MySQL数据库的相关知识,在学习MySQL数据库中数据类型之前,先总结一下位.字节.字符的关系,避免弄混. 一.位 位(bit)是计算机内部数据存储的最小单位.8个&quo ...
- 位bit, 字节byte, K ,M,G关系
位bit, 字节byte, K ,M,G关系 比特bit 也称为位,是计算机信息中的最小单位,是 binary digit 缩写, 指二进制中的一位,所以比特就是一些0,1二进制 字节byte 8个二 ...
- 计算机底层:ASCII码、区位码、国标码、汉字机内码,还有字形码和输入输出编码之间的关系以及介绍
计算机底层:ASCII.区位码.国标码.汉字机内码之间的关系,还有字形码和输入输出编码之间的关系以及介绍 键盘上有:数字.字母.符合.这些都称作为字符,而它们的组合就叫做:字符串. ASCII 键盘上 ...
- bit byte 和各进制关系(位、字节、字符、进制)、常见编码格式
文章目录 1. bit,也叫比特.位 2. Byte,字节 3. Character,字符 4. 进制 二进制与八进制 a. 二进制转八进制 b.八进制转二进制 二进制和十进制 a. 二进制转十进制 ...
- 位,字节,字符,汉字的区别
1.计算机存储信息的最小单位,称之为位(bit),音译为比特,二进制的一个"0"或一个"1"叫一位. 2.计算机存储容量基本单位是字节(Byte),音译为拜特, ...
最新文章
- 计算机表格计算总积分,Excel函数教程: 根据条件计算成绩表-excel技巧-电脑技巧收藏家...
- java web 笔试 题_JavaWeb综合笔试题(带答案).doc
- android 弹出PopupWindow后背景逐渐变暗
- Fragment的保存
- 4. 2D绘制与控件绘制
- 计蒜客难题挑战:奇怪的国家
- python爬虫代码-Python爬虫大小项目集合
- 使用SQL Server Management Studio 创建数据库备份作业
- sklearn 5.18.3 SGD - Maximum margin separating hyperplane
- 如何在R里面安装做gif动图的gganimate包
- 模拟与仿真两个词的区别
- After Effects 学习
- 398、Java框架52 -【Hibernate - 分页、两种获取方式】 2020.10.27
- python word修改神器docxtpl
- Linux常用命令之CUT
- 2021互联网秋招,有哪些值得投的好公司?
- linux使分区生效,Linux 硬盘分区生效命令partprobe
- Android ION 内存管理
- 天谕搬砖哪个服务器稳定,天谕手游搬砖玩什么职业好 搬砖强势职业推荐
- 基于Android的五子棋游戏APP设计