一文彻底明白ASCII和Unicode

文章介绍了ASCII码作为早期的字符编码标准,仅覆盖128个英语字符,而Unicode是一个包含全球多种语言符号的编码系统,旨在解决乱码问题。Unicode的存储问题导致了多种二进制格式的出现,如UTF-8等。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

一文搞懂ASCII和Unicode

 

一、ASCII 码

我们知道,计算机内部,所有信息最终都是一个二进制值。每一个二进制位(bit)有01两种状态,因此八个二进制位就可以组合出256种状态,这被称为一个字节(byte)。也就是说,一个字节一共可以用来表示256种不同的状态,每一个状态对应一个符号,就是256个符号,从0000000011111111

上个世纪60年代,美国制定了一套字符编码,对英语字符与二进制位之间的关系,做了统一规定。这被称为 ASCII 码,一直沿用至今。

ASCII 码一共规定了128个字符的编码,比如空格SPACE是32(二进制00100000),大写的字母A是65(二进制01000001)。这128个符号(包括32个不能打印出来的控制符号),只占用了一个字节的后面7位,最前面的一位统一规定为0

二、非 ASCII 编码

英语用128个符号编码就够了,但是用来表示其他语言,128个符号是不够的。比如,在法语中,字母上方有注音符号,它就无法用 ASCII 码表示。于是,一些欧洲国家就决定,利用字节中闲置的最高位编入新的符号。比如,法语中的é的编码为130(二进制10000010)。这样一来,这些欧洲国家使用的编码体系,可以表示最多256个符号。

但是,这里又出现了新的问题。不同的国家有不同的字母,因此,哪怕它们都使用256个符号的编码方式,代表的字母却不一样。比如,130在法语编码中代表了é,在希伯来语编码中却代表了字母Gimel (ג),在俄语编码中又会代表另一个符号。但是不管怎样,所有这些编码方式中,0--127表示的符号是一样的,不一样的只是128--255的这一段。

至于亚洲国家的文字,使用的符号就更多了,汉字就多达10万左右。一个字节只能表示256种符号,肯定是不够的,就必须使用多个字节表达一个符号。比如,简体中文常见的编码方式是 GB2312,使用两个字节表示一个汉字,所以理论上最多可以表示 256 x 256 = 65536 个符号。

中文编码的问题需要专文讨论,这篇笔记不涉及。这里只指出,虽然都是用多个字节表示一个符号,但是GB类的汉字编码与后文的 Unicode 和 UTF-8 是毫无关系的。

 

三. Unicode

正如上一节所说,世界上存在着多种编码方式,同一个二进制数字可以被解释成不同的符号。因此,要想打开一个文本文件,就必须知道它的编码方式,否则用错误的编码方式解读,就会出现乱码。为什么电子邮件常常出现乱码?就是因为发信人和收信人使用的编码方式不一样。

可以想象,如果有一种编码,将世界上所有的符号都纳入其中。每一个符号都给予一个独一无二的编码,那么乱码问题就会消失。这就是 Unicode,就像它的名字都表示的,这是一种所有符号的编码。

Unicode 当然是一个很大的集合,现在的规模可以容纳100多万个符号。每个符号的编码都不一样,比如,U+0639表示阿拉伯字母AinU+0041表示英语的大写字母AU+4E25表示汉字。具体的符号对应表,可以查询unicode.org,或者专门的汉字对应表。 

四、Unicode 的问题

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。

比如,汉字的 Unicode 是十六进制数4E25,转换成二进制数足足有15位(100111000100101),也就是说,这个符号的表示至少需要2个字节。表示其他更大的符号,可能需要3个字节或者4个字节,甚至更多。

这里就有两个严重的问题,第一个问题是,如何才能区别 Unicode 和 ASCII ?计算机怎么知道三个字节表示一个符号,而不是分别表示三个符号呢?第二个问题是,我们已经知道,英文字母只用一个字节表示就够了,如果 Unicode 统一规定,每个符号用三个或四个字节表示,那么每个英文字母前都必然有二到三个字节是0,这对于存储来说是极大的浪费,文本文件的大小会因此大出二三倍,这是无法接受的。

它们造成的结果是:1)出现了 Unicode 的多种存储方式,也就是说有许多种不同的二进制格式,可以用来表示 Unicode。2)Unicode 在很长一段时间内无法推广,直到互联网的出现。

### 代理模式的工作原理 代理模式是一种结构型设计模式,其核心思想是通过引入一个新的对象(即代理对象),来控制对目标对象的访问。这种模式的主要目的是在不修改原始类的情况下,增加额外的功能或行为。 代理模式通常分为三种主要类型:远程代理、虚拟代理保护代理。每种类型的代理都有特定的应用场景: - **远程代理**:用于隐藏对象位于不同地址空间的事实。例如,在分布式系统中,客户端可能需要调用另一个机器上的服务[^2]。 - **虚拟代理**:用来延迟初始化昂贵的对象,从而提高性能。当某个对象的创建成本较高时,可以通过虚拟代理先返回一个占位符,等到真正需要的时候再加载实际对象[^1]。 - **保护代理**:用于控制对原对象的访问权限。它可以决定哪些用户可以执行某些操作,因此常被应用于安全敏感的环境中[^3]。 #### 代理模式的核心组件 代理模式涉及两个关键角色: 1. **Subject (抽象主题)**:定义了RealSubjectProxy共同遵循的接口,使得它们可以在任何使用RealSubject的地方互换。 2. **Proxy (代理类)** **RealSubject (真实主体)**:其中`Proxy`持有指向`RealSubject`的一个引用,并在其基础上扩展功能。比如日志记录、缓存支持或是安全性验证等功能都可以由`Proxy`完成而无需改动原有的逻辑[^4]。 以下是基于Java语言实现的一个简单例子展示如何构建基本形式下的静态代理机制: ```java // 定义公共接口 interface Image { void display(); } // 实际图像处理类 class RealImage implements Image { private String fileName; public RealImage(String fileName){ this.fileName = fileName; loadFromDisk(fileName); } @Override public void display() { System.out.println("Displaying " + fileName); } private void loadFromDisk(String fileName){ System.out.println("Loading "+fileName); } } // 图像代理类 class ProxyImage implements Image{ private String fileName; private RealImage realImage; public ProxyImage(String fileName){ this.fileName = fileName; } @Override public void display(){ if(realImage == null){ realImage = new RealImage(this.fileName); } realImage.display(); } } ``` 在这个案例里, `ProxyImage`作为`RealImage`的代理实例化了一个轻量级版本直到必要时刻才去触发重载过程.
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值