编码方式的一些说明

最新推荐文章于 2024-03-23 17:37:59 发布

flychildc

最新推荐文章于 2024-03-23 17:37:59 发布

阅读量520

点赞数

分类专栏： C/C++

C/C++ 专栏收录该内容

19 篇文章

订阅专栏

一、几种编码方式说明

1、ISO8859-1

是国际标准化组织内ISO/IEC 8859的第一个8位字符集。它以ASCII为基础，在空置的0xA0-0xFF的范围内，加入96个字母及符号，藉以供使用附加符号的拉丁字母语言使用。属于单字节编码，应用于英文。

2、ASCII

单字节编码，只用了7位，最高位为0，能表示128个字符，主要用于英文。

3、Unicode

为了将所有语言统一到一套编码之中，Unicode(万国码、国际码、統一码、单一码)应运而生。Unicode最常用的是用两个字节表示一个字符（如果要用到非常偏僻的字符，就需要4个字节，属于定长编码）。对于Unicode，需要注意的是，Unicode 只是一个符号集，它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。因此，就存在2个问题：

一、计算机怎么知道二个字节为一个字符，如何识别二个字节为什么一个字符？

二、针对英文字符，如果使用大于1个字节来表示，那么低位的前面几个字节全是0。很奢侈浪费空间，因为现在计算机大部分内容还是英文。

4、UTF

UTF(Unicode Transformation Format), Unicode字符集的编码方式，主要有UTF-8，UTF-16，UTF-32等。

UTF-8是变长编码，使用1~4个字节来表示一个字符，UTF-8的特点是对不同范围的字符使用不同长度的编码。

UTF-16是以二字节或四字节表示一个字符的变长编码。Unicode在BMP平面的字符（U+0000~U+FFFF）用二字节来编码，其余字符用四字节来编码。

UTF-32是以4个字节表示一个字符的定长编码方式。

5、GBK/GB2312

采用双字节编码，专门用于汉字，而对于英文字母和iso8859-1一致（兼容iso8859-1编码）。其中gbk编码能够用来同时表示繁体字和简体字，而gb2312只能表示简体字(big5可以用来表示繁体字)，gbk是兼容gb2312编码的。注意GB2312/GBK不是定长编码。

6、UCS

通用字符集（Universal Character Set, UCS）是由ISO制定的ISO 10646（或称ISO/IEC 10646）标准所定义的标准字符集。UCS-2用两个字节编码，UCS-4用4个字节编码。

二、Unicode和UTF-8、UTF-16、UTF-32之间的关系

1、字符集和字符编码

字符集就是我们用十进制来表示世界上各种字符

字符编码就是通将十进制转换为计算机识别的二进制编码的规则

2、Unicode就是一套字符集，该套字符集将世界上大多数语言的文字对对应成10进制数了。为了克服Unicode的缺点，不能直接使用Unicode的方式编码存储到计算机之中。因此，需要使用UTF-8、UTF-16、UTF-32编码方式将Unicode字符集存储到计算机之中。目前，UTF-8 就是在互联网上使用最广的一种 Unicode 的实现方式。