Notepad++分隔符显示SOH，STX，ETX

Linux上的文件以 \001 作为分隔符时，下载后用notePad++打开时看到的SOH，以 \002 作为分隔符时，下载后用notePad++打开时看到的STX，以 \003 作为分隔符时，下载后用notePad++打开时看到的ETX；"\001" “\002” "\003"分隔是程序代码中进行解析需要的。所以notePad++打开后显示的分隔符正常。

ASCII编码：Linux&Windows
　　我们的服务器为linux系统，日志中的字段通常会用不同分隔符来做分隔，在不同操作系统编码格式下查看也会有不同的体现，甚至会出现所谓的乱码。我在xshell5下常用的编码格式Unicode(UTF-8)和默认语言。通常xshell5的默认语言能查看到分隔符隔开的字段，而utf-8不能。在网上查了下\001作为分隔符的日志，从linux终端复制出来用notePad打开时看到的SOH，而\002分隔的，从终端复制到编辑器是里STX。。。
　　
我在查看日志时，大多从linux终端(默认语言下)复制到notePad++里，再用编辑器的替换功能，按分隔符换行，对比各个字段。如需调用接口进行插入，则在notepad++里将分隔符替换成"\001"之类写入时的分隔符，进行写入。

1 ASCII码

在计算机内部，所有的信息最终都表示为一个二进制的字符串，每一个二进制位(bit)有0和1两种状态，因此八个二进制就可以组合出2的8次方=256种状态，被称为一个字节(byte)，即，一个字节可以用来表示256种不同的状态，从00000000到11111111。上个世纪60年代，美国指定了一套字符编码，对英语字符和二进制位之间的关系，做了统一规定。被称为ASCII码。ASCII一共规定了128个字符的编码，占用一个字节的后7位，最前面的1位统一规定为0。比如空格"SPACE"是32，即00100000.

英语用128个符号编码就够了，但是其他语言，128个符号并不能满足需求。另不同的国家有不同的字母。哪怕他们都是用256个符号的编码方式，代表的字母却不一样。因此编码格式是多种多样的。

2 Unicode

世家上存在如此多的编码方式，同一个二进制数字便可被解释成不同的符号。因为打开文件必须知道它的编码方式，否则用错误的方式解读，就会出现乱码。为什么电子邮件常常出现乱码？就是因为发信人和收信人使用的编码方式不一样。

可以想象，如果有一种编码，将世界上所有的符号都纳入其中。每一个符号都给予一个独一无二的编码，那么乱码问题就会消失。这就是Unicode，就像它的名字都表示的，这是一种所有符号的编码。Unicode当然是一个很大的集合，现在的规模可以容纳100多万个符号。每个符号的编码都不一样，比如，U+0639表示阿拉伯字母Ain，U+0041表示英语的大写字母A，U+4E25表示汉字"严"。具体的符号对应表，可以查询unicode.org，或者专门的汉字对应表。

然后Unicode也有它自己的问题，它只是一个符号集，只规定了符号的二进制代码，却没有规定这个二进制代码应该如何存储。比如汉字"严"的unicode是十六进制数4E25，转成二进制足足有15位 100111000100101，也就是说这个符号的表示至少需要2个字节。表示其他更大的符号，可能需要3个字节或者4个字节，甚至更多。

这里就有两个严重的问题，第一个问题是，如何才能区别Unicode和ASCII?计算机怎么知道三个字节表示一个符号，而不是分别表示三个符号呢？第二个问题是，英文字母只用一个字节表示就够了，如果Unicode统一规定，每个符号用三个或四个字节表示，那么每个英文字母前面必然有几个字节是0，对于存储来说，文本文件的大小会因此大出二三倍，这是无法接受的。他们造成的结果是：1)出现了Unicode的多种存储方式，也就是说有许多不同的二进制格式，可以用来表示Unicode;2)Unicode在很长的一段时间内无法推广，直到互联网出现。

3.UTF-8

互联网的普及，强烈要求出现一种统一的编码方式。UTF-8就是在互联网上使用最广的一种Unicode的实现方式。其他实现方式还包括UTF-16（字符用两个字节或四个字节表示）和UTF-32（字符用四个字节表示），不过在互联网上基本不用。重复一遍，这里的关系是，UTF-8是Unicode的实现方式之一。

UTF-8最大的一个特点，就是它是一种变长的编码方式。它可以使用1~4个字节表示一个符号，根据不同的符号而变化字节长度。

UTF-8的编码规则很简单，只有二条：

1）对于单字节的符号，字节的第一位设为0，后面7位为这个符号的unicode码。因此对于英语字母，UTF-8编码和ASCII码是相同的。

2）对于n字节的符号（n>1），第一个字节的前n位都设为1，第n+1位设为0，后面字节的前两位一律设为10。剩下的没有提及的二进制位，全部为这个符号的unicode码。

解读UTF-8编码非常简单。如果一个字节的第一位是0，则这个字节单独就是一个字符；如果第一位是1，则连续有多少个1，就表示当前字符占用多少个字节。

ASCII编码-控制字符
ASCII编码控制字符(ASCII control characters)

转自：https://www.cnblogs.com/zhaoxd07/p/5012433.html

Notepad++分隔符显示SOH，STX，ETX相关推荐

notepad中html自动补齐和标签,在Notepad ++中显示不匹配的html标签(Show unmatched html tags in Notepad++)...
在Notepad ++中显示不匹配的html标签(Show unmatched html tags in Notepad++) 有没有办法在Notepad ++中突出显示不匹配的HTML标签? 例如, ...
notepad++分隔符SOH
\001作为分隔符的日志,从linux终端复制出来用notePad++打开时看到的SOH,而\002分隔的,从终端复制到编辑器是里STX 在程序代码中需要用:"\001" &quo ...
notepad++ 分隔符SOH，在Linux中具体的对应字符
从linux终端下载的文件用notePad++打开时看到的SOH分隔符,具体如下有些网友说用\001可作为对应的Linux的分隔符,但是试了很多次不行. 当具体在linux中看了文件,发现其中的分隔 ...
mathtype分隔符显示与隐藏
显示mathtype分隔符在mathtype进行公式自动编号时,通过添加章节分隔符进行编号的章节化(类似第三章的公式对应编号3-1,3-2). mathtype的分隔符默认是隐藏的,选择[MathT ...
C语言标准库深度整理
文章目录引言 stdio.h 常量和指针打开文件 FILE结构体文件读写和定位文件和路径的其他操作 get和put printf stdlib.h 内存分配系统交互 system函数字符串 ...
C# utf-8编码时转换成shift-jis时出现乱码问题的处理
最近在做项目时遇到导出CSV文件时,因客户方要求导出CSV文件一定要是shift-jis编码的CSV文件,而我们数据库存储时是unicode储存的,所以导出时会有很多?的编码,这是因为: 借住码表来解 ...
最完美的ASCII 表
Text only语言: Ascii码表(全) ASCII Table (7-bit) (ASCII = American Standard Code for Information Intercha ...
UniCode编码表，过滤不可见特殊字符
不可见字符过滤方案我是在项目中,使用freemarker生成word时,wordxml不能解析不可见字符,导出导出的word报错,不能正常打开. 于是我将freemarker解析后的xml进行了不可 ...
【Unicode编码表】UniCode编码表+转化器
UniCode编码表[转载:https://www.cnblogs.com/csguo/p/7401874.html] Unicode编码则是采用双字节16位来进行编号,可编65536字符,基本上包含 ...

Notepad++分隔符显示SOH，STX，ETX

Notepad++分隔符显示SOH，STX，ETX相关推荐

最新文章

热门文章