資源描述：
《字符編碼與解碼》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在行業(yè)資料-天天文庫(kù)。
1、字符編碼與解碼蔣剛毅字符編碼方式ASCII擴(kuò)展ASCIIUnicodeUTF-8GBKLittleendian和BigendianURLASCII計(jì)算機(jī)是講英語(yǔ)的人發(fā)明的。英語(yǔ)只有26個(gè)英文字母。加上特殊符號(hào)，整個(gè)鍵盤不超過100個(gè)符號(hào)。所以，他們采用了一個(gè)字節(jié)表示所有符號(hào)的方式。最多能表示128個(gè)編碼。ASCII碼只占用了一個(gè)字節(jié)的后面7位，最前面的1位統(tǒng)一規(guī)定為0。上個(gè)世紀(jì)60年代，美國(guó)制定了一套字符編碼，對(duì)英語(yǔ)字符與二進(jìn)制位之間的關(guān)系，做了統(tǒng)一規(guī)定。這被稱為ASCII碼，一直沿用至今。擴(kuò)展ASCII英語(yǔ)用128個(gè)符號(hào)編碼就夠了，但是用來(lái)表示其他語(yǔ)言，128個(gè)符號(hào)是不夠的。比如，在法語(yǔ)中，
2、字母上方有注音符號(hào)，它就無(wú)法用ASCII碼表示。于是，一些歐洲國(guó)家就決定，利用字節(jié)中閑置的最高位編入新的符號(hào)。比如，法語(yǔ)中的é的編碼為130（二進(jìn)制10000010）。這樣一來(lái)，這些歐洲國(guó)家使用的編碼體系，可以表示最多256個(gè)符號(hào)。不同國(guó)家的編碼方式中，0—127表示的符號(hào)是一樣的，不一樣的只是128—255的這一段。比如，130在法語(yǔ)編碼中代表了é，在希伯來(lái)語(yǔ)編碼中卻代表了字母Gimel(?)，在俄語(yǔ)編碼中又會(huì)代表另一個(gè)符號(hào)。GBK編碼非英語(yǔ)國(guó)家使用的語(yǔ)言較為復(fù)雜，尤其是歐亞語(yǔ)系。采用多字節(jié)去編碼一個(gè)字。中國(guó)的GBK編碼。（兼容簡(jiǎn)繁體，簡(jiǎn)體是GB2312).使用兩個(gè)字節(jié)表示一個(gè)漢字，所以理論
3、上最多可以表示256x256=65536個(gè)符號(hào)其他國(guó)家也都有自己的編碼方案。計(jì)算機(jī)方言產(chǎn)生。Unicode可以想象，如果有一種編碼，將世界上所有的符號(hào)都納入其中。每一個(gè)符號(hào)都給予一個(gè)獨(dú)一無(wú)二的編碼，那么亂碼問題就會(huì)消失。這就是Unicode，就像它的名字都表示的，這是一種所有符號(hào)的編碼。Unicode當(dāng)然是一個(gè)很大的集合，現(xiàn)在的規(guī)?？梢匀菁{100多萬(wàn)個(gè)符號(hào)。每個(gè)符號(hào)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(yǔ)的大寫字母A，U+4E25表示漢字“嚴(yán)”。具體的符號(hào)對(duì)應(yīng)表，可以查詢unicode.org。Unicode的問題需要注意的是，Unicode只是一個(gè)符號(hào)集，
4、它只規(guī)定了符號(hào)的二進(jìn)制代碼，卻沒有規(guī)定這個(gè)二進(jìn)制代碼應(yīng)該如何存儲(chǔ)。比如，漢字“嚴(yán)”的unicode是十六進(jìn)制數(shù)4E25，轉(zhuǎn)換成二進(jìn)制數(shù)足足有15位（100111000100101），也就是說這個(gè)符號(hào)的表示至少需要2個(gè)字節(jié)。表示其他更大的符號(hào)，可能需要3個(gè)字節(jié)或者4個(gè)字節(jié)，甚至更多。這里就有兩個(gè)嚴(yán)重的問題，第一個(gè)問題是，如何才能區(qū)別unicode和ascii？計(jì)算機(jī)怎么知道三個(gè)字節(jié)表示一個(gè)符號(hào)，而不是分別表示三個(gè)符號(hào)呢？第二個(gè)問題是，我們已經(jīng)知道，英文字母只用一個(gè)字節(jié)表示就夠了，如果unicode統(tǒng)一規(guī)定，每個(gè)符號(hào)用三個(gè)或四個(gè)字節(jié)表示，那么每個(gè)英文字母前都必然有二到三個(gè)字節(jié)是0，這對(duì)于存儲(chǔ)來(lái)說是
5、極大的浪費(fèi)，文本文件的大小會(huì)因此大出二三倍，這是無(wú)法接受的。UTF-8Unicode提供了編碼方案，沒有提供存儲(chǔ)方案。于是產(chǎn)生了很多的編碼方案。Utf-8，utf-16等。應(yīng)用最廣泛的，是utf-8,其他編碼可以忽略了。重復(fù)一遍，這里的關(guān)系是，UTF-8是Unicode的實(shí)現(xiàn)方式之一UTF-8編碼規(guī)則UTF-8最大的一個(gè)特點(diǎn)，就是它是一種變長(zhǎng)的編碼方式。它可以使用1~4個(gè)字節(jié)表示一個(gè)符號(hào)，根據(jù)不同的符號(hào)而變化字節(jié)長(zhǎng)度。UTF-8的編碼規(guī)則很簡(jiǎn)單，只有二條：1）對(duì)于單字節(jié)的符號(hào)，字節(jié)的第一位設(shè)為0，后面7位為這個(gè)符號(hào)的unicode碼。因此對(duì)于英語(yǔ)字母，UTF-8編碼和ASCII碼是相同的。2）
6、對(duì)于n字節(jié)的符號(hào)（n>1），第一個(gè)字節(jié)的前n位都設(shè)為1，第n+1位設(shè)為0，后面字節(jié)的前兩位一律設(shè)為10。剩下的沒有提及的二進(jìn)制位，全部為這個(gè)符號(hào)的unicode碼。下表總結(jié)了編碼規(guī)則，字母x表示可用編碼的位。Unicode符號(hào)范圍
7、UTF-8編碼方式(十六進(jìn)制)
8、（二進(jìn)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(yán)”為例，Unicode碼是4E25，需要用兩個(gè)字節(jié)存儲(chǔ)，一個(gè)字節(jié)是4E，另一個(gè)字節(jié)是25。存儲(chǔ)的時(shí)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(gè)字節(jié)在前，就是“大
