資源描述：
《字符編碼與解碼》由會員上傳分享，免費在線閱讀，更多相關內容在行業(yè)資料-天天文庫。
1、字符編碼與解碼蔣剛毅字符編碼方式ASCII擴展ASCIIUnicodeUTF-8GBKLittleendian和BigendianURLASCII計算機是講英語的人發(fā)明的。英語只有26個英文字母。加上特殊符號，整個鍵盤不超過100個符號。所以，他們采用了一個字節(jié)表示所有符號的方式。最多能表示128個編碼。ASCII碼只占用了一個字節(jié)的后面7位，最前面的1位統(tǒng)一規(guī)定為0。上個世紀60年代，美國制定了一套字符編碼，對英語字符與二進制位之間的關系，做了統(tǒng)一規(guī)定。這被稱為ASCII碼，一直沿用至今。擴展ASCII英語用128個符號編碼就夠了，但是用來表示其他語言，128個符號是不夠的。比如，在法語中，
2、字母上方有注音符號，它就無法用ASCII碼表示。于是，一些歐洲國家就決定，利用字節(jié)中閑置的最高位編入新的符號。比如，法語中的é的編碼為130（二進制10000010）。這樣一來，這些歐洲國家使用的編碼體系，可以表示最多256個符號。不同國家的編碼方式中，0—127表示的符號是一樣的，不一樣的只是128—255的這一段。比如，130在法語編碼中代表了é，在希伯來語編碼中卻代表了字母Gimel(?)，在俄語編碼中又會代表另一個符號。GBK編碼非英語國家使用的語言較為復雜，尤其是歐亞語系。采用多字節(jié)去編碼一個字。中國的GBK編碼。（兼容簡繁體，簡體是GB2312).使用兩個字節(jié)表示一個漢字，所以理論
3、上最多可以表示256x256=65536個符號其他國家也都有自己的編碼方案。計算機方言產生。Unicode可以想象，如果有一種編碼，將世界上所有的符號都納入其中。每一個符號都給予一個獨一無二的編碼，那么亂碼問題就會消失。這就是Unicode，就像它的名字都表示的，這是一種所有符號的編碼。Unicode當然是一個很大的集合，現(xiàn)在的規(guī)?？梢匀菁{100多萬個符號。每個符號的編碼都不一樣，比如，U+0639表示阿拉伯字母Ain，U+0041表示英語的大寫字母A，U+4E25表示漢字“嚴”。具體的符號對應表，可以查詢unicode.org。Unicode的問題需要注意的是，Unicode只是一個符號集，
4、它只規(guī)定了符號的二進制代碼，卻沒有規(guī)定這個二進制代碼應該如何存儲。比如，漢字“嚴”的unicode是十六進制數(shù)4E25，轉換成二進制數(shù)足足有15位（100111000100101），也就是說這個符號的表示至少需要2個字節(jié)。表示其他更大的符號，可能需要3個字節(jié)或者4個字節(jié)，甚至更多。這里就有兩個嚴重的問題，第一個問題是，如何才能區(qū)別unicode和ascii？計算機怎么知道三個字節(jié)表示一個符號，而不是分別表示三個符號呢？第二個問題是，我們已經知道，英文字母只用一個字節(jié)表示就夠了，如果unicode統(tǒng)一規(guī)定，每個符號用三個或四個字節(jié)表示，那么每個英文字母前都必然有二到三個字節(jié)是0，這對于存儲來說是
5、極大的浪費，文本文件的大小會因此大出二三倍，這是無法接受的。UTF-8Unicode提供了編碼方案，沒有提供存儲方案。于是產生了很多的編碼方案。Utf-8，utf-16等。應用最廣泛的，是utf-8,其他編碼可以忽略了。重復一遍，這里的關系是，UTF-8是Unicode的實現(xiàn)方式之一UTF-8編碼規(guī)則UTF-8最大的一個特點，就是它是一種變長的編碼方式。它可以使用1~4個字節(jié)表示一個符號，根據(jù)不同的符號而變化字節(jié)長度。UTF-8的編碼規(guī)則很簡單，只有二條：1）對于單字節(jié)的符號，字節(jié)的第一位設為0，后面7位為這個符號的unicode碼。因此對于英語字母，UTF-8編碼和ASCII碼是相同的。2）
6、對于n字節(jié)的符號（n>1），第一個字節(jié)的前n位都設為1，第n+1位設為0，后面字節(jié)的前兩位一律設為10。剩下的沒有提及的二進制位，全部為這個符號的unicode碼。下表總結了編碼規(guī)則，字母x表示可用編碼的位。Unicode符號范圍
7、UTF-8編碼方式(十六進制)
8、（二進制）--------------------+--------------------------------------------- 00000000-0000007F
9、0xxxxxxx 00000080-000007FF
10、110xxxxx10xxxxxx 00000800-0000FFFF
11、1110xxxx10xxxxxx
12、10xxxxxx 00010000-0010FFFF
13、11110xxx10xxxxxx10xxxxxx10xxxxxxLittleendian和Bigendian以漢字“嚴”為例，Unicode碼是4E25，需要用兩個字節(jié)存儲，一個字節(jié)是4E，另一個字節(jié)是25。存儲的時候，4E在前，25在后，就是Bigendian方式；25在前，4E在后，就是Littleendian方式。第一個字節(jié)在前，就是“大
