字符编码探秘-优快云博客

本文链接：https://blog.youkuaiyun.com/a1459268562/article/details/58605886

我们都知道计算机中一切都是0和1。那么，我们看到的字符在计算机中是如何表示的那？我们要分成西文字符和中文字符来分别探究。

西文字符

西文字符中拉丁字母、数字、标点以及特殊符号，都视为字符。字符的集合叫做字符集。字符想在计算机中进行处理，就要变成01码，因而就需要对字符进行编码。一个字符对应唯一一个二进制的01序列，所有的这些对应就是码表。
目前（写该文时间2017-2-28），西文字符使用最广泛的码表就是ASCII码表。
这里要说一下，一个ASCII字符的大小是一个字节（8位），但是，使用了7位二进制数，最头上的一般总是为零。

从图上我们可以看出
1. 0~9的前三位为011，后四位就是8421码
2. 字母按照字典顺序出现，即a<b<c…… A<B<C……
3. 大写字母的前三位是100和101，小写字母是110和111.即将大写字母的b5位由0改1，那么就可实现大写转小写。

汉字字符

汉字这个就厉害了。
让用户顺利输入：输入码。
让计算机顺利存储：内码。
让计算机顺利显示：字模点阵码。

1.输入码（又叫外码）

有四种输入码：拼音码、拼型码、音型码、序号码。
以前曾好奇中国人使用的拼音怎么和西方文字这么相像！现在才知道，改革开放就是好。汉语拼音是中华人民共和国的汉字“拉丁化”方案，于1955年—1957年文字改革时被中国文字改革委员会汉语拼音方案委员会研究制定。

2.内码

计算机是如何保存我们的汉字的那。1981年我国出台了GB2312——80。这个标准成为国标码，又叫国际交换码。

首先，一个汉字占用两个字节，那么就有14的二进制位来表示一个汉字。GB2312中规定了一个94行、94列的码表。行号是区号（7位），列号是位号（列号）。这样一个字符的区位号凑成14位，这个14位的代码就是区位码。

注意了，区位码并不是国标码。由于信息传输原因，区号和位号分别加上32后（20H），才是国标码。但是，这样很难与两个ASCII码进行区分。我们就把国标码的两个字符的最高为从0改成1。

例如：“大”的区号是20、位号是83，那么他的区位码是 14 53H(0001 0100 0101 0011B)，加上32（20H）后得到的码是，34 73H(0011 0100 0111 0011B)，但是34H和“4”的ASCII相同、73H和“s”的相同，产生混乱。我们再把两个最高位的0设成1，B4 F3H（1011 0100 1111 0011B）就不再出现混乱，即出现国标码了。

随着计算机在亚洲的普及，国际标准ISO/IEC 10646,提出使用两个字节或四个字节来保存一个字符，即UCS-2和UCS-4。后来windows采用中西统一编码，其中搜集了中日韩的约2万字，成为“Unicode”。