位、字节、字符、编码

最新推荐文章于 2023-10-29 10:52:14 发布

原创最新推荐文章于 2023-10-29 10:52:14 发布 · 411 阅读

2 ·

CC 4.0 BY-SA版权

不同编码方式下，一个英文字母占的字节是不同的：

1、ASCII码：一个英文字母（不分大小写）占一个字节的空间，一个中文汉字占两个字节的空间。

2、UTF-8编码：一个英文字符等于一个字节，一个中文（含繁体）等于三个字节。中文标点占三个字节，英文标点占一个字节

3、Unicode编码：一个英文等于两个字节，一个中文（含繁体）等于两个字节。中文标点占两个字节，英文标点占两个字节

位（bit）、字节（byte）、字符（char）、编码

1、位：

 数据存储的最小单位。每个二进制数字0或者1就是1个位；

2、字节：

 8个位构成一个字节；即：1 byte (字节)= 8 bit(位)；
 1 KB = 1024 B(字节)；
 1 MB = 1024 KB;   (2^10 B)
 1 GB = 1024 MB;  (2^20 B)
 1 TB = 1024 GB;   (2^30 B)

3、字符：

a、A、中、+、*、の......均表示一个字符；
一般 utf-8 编码下，一个汉字 字符 占用 3 个 字节；
一般 gbk 编码下，一个汉字  字符  占用 2 个 字节；

4、字符集：

即各种各个字符的集合，也就是说哪些汉字，
字母（A、b、c）和符号（空格、引号..）会被收入标准中；

5、编码：

规定每个“字符”分别用一个字节还是多个字节存储，
用哪些字节来存储，这个规定就叫做“编码”。
通俗的说：编码就是按照规则把字符翻译成对应的二进制数。

1）标准ASCII字符集：由96个打印字符、32个控制字符组成，一共128（2^7）个。
2）扩展ASCII字符集：将标准的ASCII最高位设为1，字符集一共有256（2^8）个。
3）GB2312字符集: 所有汉字字符在计算机内部采用2个字节来表示，每个字节的最高位规定为1。
4）GBK字符集：GB2312的扩充，兼容GB2312，除了收录GB2312所有的字符外，还收录了其他不常见的汉字、繁体字等。
5）Unicode字符集：容纳世界上所有语言字符和符号的集合；（以及对应的二进制数字）。Unicode只是一个编码规范，目前实现Unicode编码的只有三种：UTF-8、UCS-2和UTF-16，三种Unicode字符集之间可以按照规范进行转换。
6）UTF-8编码：UTF-8（8-bit Unicode Transformation Format）是一种针对Unicode的可变长度字符编码，也是一种前缀码。它可以用来表示Unicode标准中的任何字符，且其编码中的第一个字节仍与ASCII兼容。

GB2312、GBK与UTF-8的区别