编码背景

因为计算机只能处理数字,如果要处理文本,就必须先把文本转换为数字才能处理。最早的计算机在设计时采用8个比特(bit)作为一个字节(byte),所以,一个字节能表示的最大的整数就是255(二进制11111111=十进制255),如果要表示更大的整数,就必须用更多的字节。比如两个字节可以表示的最大整数是65535,4个字节可以表示的最大整数是4294967295。

由于计算机是美国人发明的,因此,最早只有127个字符被编码到计算机里,也就是大小写英文字母、数字和一些符号,这个编码表被称为ASCII编码,比如大写字母A的编码是65,小写字母z的编码是122。

但是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,结果就是,在多语言混合的文本中,显示出来会有乱码。

因此,Unicode应运而生。Unicode把所有语言都统一到一套编码里,这样就不会再有乱码问题了。

Unicode标准也在不断发展,但最常用的是用两个字节表示一个字符(如果要用到非常偏僻的字符,就需要4个字节)。现代操作系统和大多数编程语言都直接支持Unicode。
现在,捋一捋ASCII编码和Unicode编码的区别:ASCII编码是1个字节,而Unicode编码通常是2个字节。

字母A用ASCII编码是十进制的65,二进制的01000001;
字符0用ASCII编码是十进制的48,二进制的00110000,注意字符’0’和整数0是不同的;

汉字中已经超出了ASCII编码的范围,用Unicode编码是十进制的20013,二进制的01001110 00101101。

你可以猜测,如果把ASCII编码的A用Unicode编码,只需要在前面补0就可以,因此,A的Unicode编码是00000000 01000001。

新的问题又出现了:如果统一成Unicode编码,乱码问题从此消失了。但是,如果你写的文本基本上全部是英文的话,用Unicode编码比ASCII编码需要多一倍的存储空间,在存储和传输上就十分不划算。

所以,本着节约的精神,又出现了把Unicode编码转化为“可变长编码”的UTF-8编码。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。如果你要传输的文本包含大量英文字符,用UTF-8编码就能节省空间:

从上面的表格还可以发现,UTF-8编码有一个额外的好处,就是ASCII编码实际上可以被看成是UTF-8编码的一部分,所以,大量只支持ASCII编码的历史遗留软件可以在UTF-8编码下继续工作。

总结

搞清楚了ASCII、Unicode和UTF-8的关系,我们就可以总结一下现在计算机系统通用的字符编码工作方式:

在计算机内存中,统一使用Unicode编码,当需要保存到硬盘或者需要传输的时候,就转换为UTF-8编码。

用记事本编辑的时候,从文件读取的UTF-8字符被转换为Unicode字符到内存里,编辑完成后,保存的时候再把Unicode转换为UTF-8保存到文件:

浏览网页的时候,服务器会把动态生成的Unicode内容转换为UTF-8再传输到浏览器:

所以你看到很多网页的源码上会有类似的信息,表示该网页正是用的UTF-8编码。

ASCII编码和Unicode编码的区别和联系相关推荐

  1. Python 入门 26 —— ASCII 编码、Unicode 编码、 UTF-32、 UTF-16、 UTF-8、 GB2312 编码、 GBK 编码

    计算机存储和处理信息都是以一个8位的二进制字节为单位的,例如:0b 1111 0000.一个字母.汉字等如何用一个二进制的数(编码)来表示呢.在计算机发展初期,因为没有人能预料到计算机会有现在这么大的 ...

  2. ascii码01100001_ASCII编码和Unicode编码

    ASCII编码和Unicode编码 计算机是以二进制的形式来存储数据的,它只认识0和1两个数字,我们在屏幕上看到的文字,在存储到内存之前也都被转换成了二进制.下面是小编分享的ASCII编码和Unico ...

  3. ascii码,unicode编码,utf-8编码

    我理解的ascii码,unicode编码,utf-8编码: 1.ascii编码: 美国于上个世纪60年代制定了一套字符编码,英语字符与二进制位之间对应关系,做了统一规定.故此诞生了一直沿用至今的ASC ...

  4. linux ascii字符编码,ASCII编码与Unicode编码

    ASCII编码与Unicode编码 下文将为大家介绍关于ASCII编码与Unicode编码,欢迎学习! ASCII编码与Unicode编码 ASCII码 我们知道,一个二进制位(Bit)有0.1两种状 ...

  5. python 文本文件的编码格式:ASCII编码和UNICODE编码

    欢迎关注博主 python老鸟 或 前往 『Python自学网』, 从基础入门免费课程开始,逐步深入学习python全栈体系课程,适合新手入门到精通全栈开发. 免费专栏传送门:<Python基础 ...

  6. Python中文本文件的编码格式——ASCII编码和UNICODE编码

    文本文件的编码格式 文本文件存储的内容是基于 字符编码 的文件,常见的编码有 ASCII 编码,UNICODE 编码等 Python 2.x 默认使用 ASCII 编码格式 Python 3.x 默认 ...

  7. 打包解包模块总结:VS2010中默认的编码是Unicode编码

    我把vc6.0上运行没有问题的代码挪到vs2010上,出现了一系列问题. 其根本原因是两种编译器默认编码不一样,vc6.0中默认的编码是(多字节)Ascii编码,VS2010中默认的编码是Unicod ...

  8. 字符编码之Ascll编码,ANSI编码,Unicode编码,UTF-8编码 ,BOM

    从大一上C语言就开始认识了Ascll编码,ascll码也算是我们最早所接触的编码 [1]Ascll码 Ascll码由三部分组成: 第一部分从00H到1FH共32个,一般用来通信或作为开工至之用,有的可 ...

  9. ASCII编码,unicode编码,utf-8编码,三者的关系与区别(山河变幻到大一统)

    编码方式,就是把字符转化为二进制10的方式 1.最早出现的ASCII编码,表示英语字符(单)和一些电脑上的字符比如空格等,一共规定128种编码: 2.很多年过去之后,电脑传播了,很多国家不用英文,但还 ...

最新文章

  1. 【python】【h5py】TypeError: Can‘t convert element to hsize_t
  2. 计算机三级网络技术查漏补缺
  3. 第五篇:JMeter 定时器
  4. jQuery.validate.js API
  5. 过于离谱,我实现憋不住了!
  6. 七招挽回受损WORD文档
  7. Java JDBC篇3——JDBC事务
  8. linux退出python环境_Linux中的python虚拟环境
  9. 《python可以这样学》第一章
  10. Scrum 的每日例会 和 故事墙
  11. Android实现TCP客户端
  12. html让ie11不用兼容视图,如何设置ie11浏览器兼容性视图?
  13. Word表格之VBA知识
  14. 怎么批量给文件夹名称加上数字序号前缀?怎么对文件夹名称进行编号排序?
  15. 关于精益创业的方法论,看完这些就掌握了大半!
  16. c语言点阵输出字母,单片机C语言程序设计:8X8LED 点阵显示数字
  17. 怎么查EI论文的检索号
  18. jxcell开发简单实例
  19. 两句话中的不常见单词(Uncommon Words from Two Sentences)java
  20. javaweb实现邮箱接收验证码

热门文章

  1. 看见·先行者 | 织音App率先接入即构在线KTV实时合唱解决方案
  2. docker for windows使用
  3. 电子音乐的风格简单介绍及DJ推荐
  4. 实验六、数据挖掘之关联分析
  5. Unity车轮碰撞器起步刹车太慢
  6. 论影响高学习效率的几大因素
  7. 《ELK Stack权威指南 》第1章 入门示例
  8. JZ2440挂载nfs
  9. 25个即将上线Coming soon网页创意设计
  10. a session ended very soon after starting. check that the command in profile default is correct