一、字符集

编码与解码
- 计算机中储存的信息都是用二进制数表示的
- 而我们在屏幕上看到的数字、英文、标点符号、汉字等字符是二进制数转换之后的结果
- 按照某种规则，将字符存储到计算机中，称为编码
- 反之，将存储在计算机中的二进制数按照某种规则解析显示出来，称为解码
字符编码（Character Encoding）
- 就是一套自然语言的字符与二进制数之间的对应规则
字符集
- 也叫编码表。是一个系统支持的所有字符的集合，包括各国家文字、标点符号、图形符号、数字等

二、ASCII码

ASCII码（American Standard Code for Information Interchange，美国信息交换标准代码）：上个世纪60年代，美国制定了一套字符编码，对英语字符与二进制位之间的关系，做了统一规定。这被称为ASCII码
ASCII码用于显示现代英语，主要包括控制字符（回车键、退格、换行键等）和可显示字符（英文大小写字符、阿拉伯数字和西文符号）
基本的ASCII字符集，使用7位（bits）表示一个字符（最前面的1位统一规定为0），共128个字符。比如：空格“SPACE”是32（二进制00100000），大写的字母A是65（二进制01000001）
缺点：不能表示所有字符

三、ISO-8859-1字符集

拉丁码表，别名Latin-1，用于显示欧洲使用的语言，包括荷兰语、德语、意大利语、葡萄牙语等
ISO-8859-1使用单字节编码，兼容ASCII编码

四、GBxxx字符集

GB就是国标的意思，是为了显示中文而设计的一套字符集
GB2312：简体中文码表
- 一个小于127的字符的意义与原来相同，即向下兼容ASCII码
- 但两个大于127的字符连在一起时，就表示一个汉字，这样大约可以组合了包含7000多个简体汉字
- 此外数学符号、罗马希腊的字母、日文的假名们都编进去了
- 这就是常说的"全角"字符，而原来在127号以下的那些符号就叫"半角"字符了
GBK：最常用的中文码表
- 是在GB2312标准基础上的扩展规范，使用了双字节编码方案，共收录了21003个汉字
- 完全兼容GB2312标准，同时支持繁体汉字以及日韩汉字等
GB18030：最新的中文码表
- 收录汉字70244个，采用多字节编码，每个字可以由1个、2个或4个字节组成
- 支持中国国内少数民族的文字，同时支持繁体汉字以及日韩汉字等

五、Unicode码

Unicode编码为表达任意语言的任意字符而设计，也称为统一码、标准万国码
- Unicode 将世界上所有的文字用2个字节统一进行编码
- 为每个字符设定唯一的二进制编码
- 以满足跨语言、跨平台进行文本处理的要求
Unicode 的缺点：这里有三个问题：
- 第一，英文字母只用一个字节表示就够了，如果用更多的字节存储是极大的浪费
- 第二，如何才能区别Unicode和ASCII？计算机怎么知道两个字节表示一个符号，而不是分别表示两个符号呢？
- 第三，如果和GBK等双字节编码方式一样，用最高位是1或0表示两个字节和一个字节，就少了很多值无法用于表示字符，不够表示所有字符
Unicode在很长一段时间内无法推广，直到互联网的出现
- 为解决Unicode如何在网络上传输的问题，于是面向传输的众多 UTF（UCS Transfer Format）标准出现
- 具体来说，有三种编码方案，UTF-8、UTF-16和UTF-32

六、UTF-8

Unicode是字符集，UTF-8、UTF-16、UTF-32是三种将数字转换到程序数据的编码方案
- 顾名思义，UTF-8就是每次8个位传输数据，而UTF-16就是每次16个位
- 其中，UTF-8 是在互联网上使用最广的一种 Unicode 的实现方式
互联网工程工作小组（IETF）要求所有互联网协议都必须支持UTF-8编码
所以开发Web应用，也要使用UTF-8编码。UTF-8 是一种变长的编码方式
可以使用 1-4 个字节表示一个符号它使用一至四个字节为每个字符编码，编码规则：
- 128个US-ASCII字符，只需一个字节编码
- 拉丁文等字符，需要二个字节编码
- 大部分常用字（含中文），使用三个字节编码
- 其他极少使用的Unicode辅助字符，使用四字节编码

举例：

Unicode符号范围 | UTF-8编码方式

(十六进制)           | （二进制）————————————————————|—–—–—–—–—–—–—–—–—–—–—–—–—–—–0000 0000-0000 007F | 0xxxxxxx（兼容原来的ASCII）0000 0080-0000 07FF | 110xxxxx 10xxxxxx0000 0800-0000 FFFF | 1110xxxx 10xxxxxx 10xxxxxx0001 0000-0010 FFFF | 11110xxx 10xxxxxx 10xxxxxx 10xxxxxx

0开头代表一个字节就是一个字符
110开头代表两个字节组成一个字符
1110开头代表三个字节组成一个字符
11110开头代表四个字节组成一个字符

总结

一个字符(char)占用2个字节。在内存中使用的字符集称为Unicode字符集

注意：在中文操作系统上，ANSI（美国国家标准学会、AMERICAN NATIONAL STANDARDS INSTITUTE: ANSI）编码即为GBK；在英文操作系统上，ANSI编码即为ISO-8859-1

关于字符集（彻底搞清楚一个中文占几个字节？）相关推荐

python一个中文占几个字节_中文在python中占几个字节
如果是utf-8编码,那么一个中文字符占用三个字节,一个英文字符占用一个字节.如果是gbk编码,那么一个中文字符占用两个字节,一个英文字符占用一个字节. 如果是utf-8编码,那么一个中文包含繁体字等 ...
python一个中文占几个字节_python中英文字母和中文汉字所占的字节
原博文 2020-04-13 21:27 − print(type('李杰'.encode('utf-8')))# print(type('李杰'.encode('gbk')))# print(len ...
php一个中文占几个字节,php中一个字符占用几个字节？
bit(位) 电脑记忆体中最小的单位,在二进位电脑系统中,每一bit 可以代表0 或 1 的数位讯号.Byte(字节)一个Byte由8 bits 所组成,可代表一个字元(A~Z).数字(0~9).或符 ...
Oracle中一个汉字占几个字节
Oracle中一个汉字占几个字节? 某天,在向一个字段类型为CHAR(6)的表中插入数据'大沽口'时报错,提示'too large for column(actual: 9 ,maximum: 6)' ...
utf-8的英文字母和中文汉字是一个字符占几个字节
转自https://blog.csdn.net/kindsuper_liu/article/details/80202150 英文字母和中文汉字在不同字符集编码下的字节数英文字母: 字节数 : 1; ...
utf-8的中文，一个字符占几个字节
utf-8的中文,一个字符占几个字节 https://blog.csdn.net/kindsuper_liu/article/details/80202150 英文字母和中文汉字在不同字符集编码下的字 ...
utf-8的中文是一个字符占几个字节
英文字母和中文汉字在不同字符集编码下的字节数英文字母: ·字节数 : 1;编码:GB2312 字节数 : 1;编码:GBK 字节数 : 1;编码:GB18030 字节数 : 1;编码:ISO-885 ...
GBK与UTF-8的中文是一个字符占几个字节
GBK与UTF-8的中文是一个字符占几个字节编码:GBK 字节数:2 编码:UTF-8 字节数:3
java一个中文几个字节_java一个汉字占几个字节；一个字符占几个字节？redis一个汉字占几个字节；一个字符占几个字节？...
脱离字符集编码谈这个问题没什么实际意义我不知道你讲的Java 中汉字是几个字节具体是什么意思 Java 中 Character 采用的是 utf-16 编码,那么就是两个字节(0----65535 ...

关于字符集（彻底搞清楚一个中文占几个字节？）

目录

一、字符集

二、ASCII码

三、ISO-8859-1字符集

四、GBxxx字符集

五、Unicode码

六、UTF-8

总结

关于字符集（彻底搞清楚一个中文占几个字节？）相关推荐

最新文章

热门文章