字符編碼與解碼

字符編碼與解碼

ID:43771917

大?。?16.24 KB

頁數(shù):27頁

時間:2019-10-14

字符編碼與解碼_第1頁
字符編碼與解碼_第2頁
字符編碼與解碼_第3頁
字符編碼與解碼_第4頁
字符編碼與解碼_第5頁
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

當前文檔最多預覽五頁,下載文檔查看全文

此文檔下載收益歸作者所有

當前文檔最多預覽五頁,下載文檔查看全文
溫馨提示:
1. 部分包含數(shù)學公式或PPT動畫的文件,查看預覽時可能會顯示錯亂或異常,文件下載后無此問題,請放心下載。
2. 本文檔由用戶上傳,版權歸屬用戶,天天文庫負責整理代發(fā)布。如果您對本文檔版權有爭議請及時聯(lián)系客服。
3. 下載前請仔細閱讀文檔內容,確認文檔內容符合您的需求后進行下載,若出現(xiàn)內容與標題不符可向本站投訴處理。
4. 下載文檔時可能由于網絡波動等原因無法下載或下載錯誤,付費完成后未能成功下載的用戶請聯(lián)系客服處理。