跳至主要內容

字符编码

naijoug大约 2 分钟

reference

concept

  • 位 & 字节 & 字符

    类型名称位数说明
    bit位（比特）1计算机存储信息的最小单位
    byte字节（拜特）8计算机存储容量的计量单位
    char字符8 / 16计算机中使用的文字或符号

  • 缩写

    缩写说明
    ASCII(American Standard Code for Information Interchange) 美国信息交换标准代码
    ANSI(American National Standards Institute) 美国国家标准学会
    UCS(Universal Character Set) 通用字符集
    UNICODE统一的字符编码标准,采用双字节对字符进行编码
    UTF(Unicode Transformation Format) Unicode 编码转换

  • 字符集 & 字符编码

    概念说明
    Character Sets(字符集) 字符的集合，一般情况下与字符编码一一对应(Unicode 字符集例外，有多种字符编码实现)
    Character Encoding(字符编码) 定义字符集中的字符如何编码为特定的二进制

  • 字符集

    字符集说明
    ASCII美国人定义的英文字符集
    GB18030中国人为了解决中文而发明制定，只有一种实现，所以可以指代这种字符集对应的字符编码
    Unicode为了解决不同字符集码表不一致而推出，统一了所有字符对应的码。只规定了字符与码表的一一对应关系，没有规定如何实现。所以 Unicode 有多种实现方式(UTF-8、UTF-16、UTF-32)

ANSI

ANSI : 不是一种特定的字符编码，在不同的系统中，表示不同的编码

  • 在英文系统中，表示 ASCII 编码
  • 在中文系统中，表示 GBK 编码
  • 在韩文系统中，表示 EUC-KR 编码

ASCII

ASCII : 8 位，定义了 128 个字符编码，只占用了一个字节的后面 7 位，最前面一位均是 0.

UTF-8

UTF-8 是 Unicode 的实现方式之一

  • UTF-8 编码规则

    • 单字节字符，与 ASCII 码相同(第一位为 0，后 7 位是字符的 Unicode 码)
    • n 字节字符(n > 1)，第一个字节的前 n 位均为 1，n+1 位是 0，后面字节的前两位均为 10。剩下的为字符的 Unicode 码。
    Unicode 符号范围 (16进制)UTF-8 编码方式 (2进制)
    0000 0000 ~ 0000 007F0xxxxxxx
    0000 0080 ~ 0000 07FF110xxxxx 10xxxxxx
    0000 0800 ~ 0000 FFFF1110xxxx 10xxxxxx 10xxxxxx
    0001 0000 ~ 0010 FFFF11110xxx 10xxxxxx 10xxxxxx 10xxxxxx

  • Unicode 的 Little endian & Big endian

    字节序说明文件编码方式确定
    Little endian第二个字节在前文件头两个字节为 FF FE
    Big endian第一个字节在前文件头两个字节为 FE FF
Copyright © 2025 naijoug