计算机-编码问题

最新推荐文章于 2022-11-16 17:31:49 发布

转载最新推荐文章于 2022-11-16 17:31:49 发布 · 397 阅读

文章标签：

#计算机 #编码 # #GBK

计算机编码介绍

原文链接：https://blog.youkuaiyun.com/qq_26927285/article/details/52713856

什么是计算机编码*

在计算机中，所有的数据在存储和运算时都要使用二进制数表示，例如，a-z、A-Z、0－9数字以及还有一些常用的符号（例如*、#、@等）
在计算机中存储时也要使用二进制数来表示，而具体用哪些二进制数字表示哪个符号，当然每个人都可以约定自己的一套（这就叫编码），
而大家如果要想互相通信而不造成混乱，那么大家就必须使用相同的编码规则，于是美国有关的标准化组织就出台了所谓的ASCII编码，
统一规定了上述常用符号用哪些二进制数来表示。

ASCII编码

ASCII码于1961年提出，用于在不同计算机硬件和软件系统中实现数据传输标准化。

ASCII是美国国家信息交换标准代码，一种使用7位或8位二进制位进行编码的方案，最多可以给256个字符（包括字母、数字、标点符号、控制符号及其他符号）分配或指定数值。

ASCII码划分为两个集合：基本ASCII码和扩展ASCII码。基本ASCII码使用7位二进制表示一个字符，共128个字符；扩展ASCII码使用8位，256个字符。

ANSI编码

为了扩充ASCII编码，以用于显示本国的语言，不同的国家和地区制定了不同的标准，由此产生了GB2312、BIG5、JIS等各自的编码标准。
这些使用2个字节来代表一个字符的各种延伸编码方式，称为ANSI编码，又称MBCS(多字节字符集)。
在简体中文系统下，ANSI编码代表GB2312编码，在日文操作系统下，ANSI编码代表JIS编码。不同ANSI编码之间互不兼容，这样容易造成混乱。

GB2312编码

GB2312是ANSI编码里的一种，为了满足国内计算机中使用汉字的需要。中国国家标准总局发布了一系列的汉字字符集国家标准编码，统称为GB码，或叫国标码。
其中最有影响的是于1980年发布的《信息交换用汉字编码字符集基本集》，标准号为GB2312-80。
GB2312是一个简体中文字符集，由6763个常用汉字和682个全角字符组成。一级汉字3755个，二级汉字3008个。
GB2312编码用两个字节表示一个汉字，所以理论上最多可以表示256*256=65536个汉字。

GBK编码

GB2312的出现，基本满足了汉字的计算机处理需要，但对于人名、古汉语等方面出现的罕见字，GB2312不能处理，这导致了GBK的出现。

GBK即汉字内码扩展规范，K为扩展的意思。GBK编码标准兼容GB2312，采用双字节表示，共计23940个码位，共收录21886个汉字和图形符号，并提供1894个造字码位。

BIG编码

在台湾、香港与澳门地区，使用的是繁体中文字符集。而1980年发布的GB2312简体中文字符集，并不支持繁体汉字。
在使用繁体中文的地区，出现了很多厂商提出的字符集编码，这些编码彼此互不兼容。为了统一繁体字符集编码，
1984年，台湾五大厂商宏基、神通、佳佳、零壹和大众共同制定了一种繁体中文编码方案，称为大五码，英文写作Big5

Unicode编码

世界上存在着多种编码方式，在ANSi编码下，同一个编码值，在不同的编码体系里代表着不同的字。
在简体中文操作系统下，ANSI编码代表GB2312编码，在日文操作系统下，ANSI编码代表JIS编码，可能显示中文，也可能显示英文。
在ANSI编码体系下，要想打开一个文本文件，不但要知道它的编码方式，还要安装有对应编码表，否则就无法读取或出现乱码。
为什么电子邮件和网页都经常出现乱码，就是因为信息的提供者与读取者使用的ANSI编码体系不同，导致乱码。这个问题促使了unicode码的诞生。

如果有一种编码，将世界上所有符号都纳入其中，无论是中文、英文，还是日文，大家都使用这个编码表，就不会出现编码不匹配现象，乱码问题也就不存在了。这就是Unicode编码。

Unicode是一个很大的集合，现在的规模可以容纳100多万个字符。Unicode虽然统一编码方式，但它的效率不高。Unicode标准之一规定用4个字节存储一个符号，
但英文1个字英就满足了，其它的三个字节都是0，这对存储和传输来说都很耗资源。