编码随记

最新推荐文章于 2023-12-07 11:43:39 发布

原创最新推荐文章于 2023-12-07 11:43:39 发布 · 172 阅读

0 ·

CC 4.0 BY-SA版权

ASCII

8字节 256个状态（计算机初态）
状态码划分 32个状态码（0-31） 0-31 32个状态码
显示字符码（32-127）
在这里插入图片描述

48-57 0-9
65-90 A-Z
97-123 a-z

128-255 拓展字符集
到自为止，8字节的256个状态全都派上了用场，但是计算机智能美国用吗？ASCII码已经没有空余状态可以表示出其他国家的字符了啊。这个时候当然难不倒伟大的华夏民族，这里就出现了宽字节（GBK）编码

GB2312 、GBK、GB18030

GB2312 规定ASCII码127以前的状态码，表示不变，但是127以后的状态码两两组合，表示新的字符。,GB2312 是对 ASCII 的中文扩展。

但是中国文化博大精深，发现这些根本不够用，于是干脆不再要求低字节一定是127号之后的内码，只要第一个字节是大于127就固定表示这是一个汉字的开始，不管后面跟的是不是扩展字符集里的内容。结果扩展之后的编码方案被称为 GBK 标准

后来少数民族也要用电脑了，于是我们再扩展，又加了几千个新的少数民族的字，GBK 扩成了 GB18030。

这样子改到最后，都可以表示出自己想要的字符了，但是呢，没有一个统一的标准，自己能看懂，别人可是看不懂啊！于是于是于是！这个时候就要有一个统一的规则了。那就是下面的统一码（Unicode）。

Unicode

Unicode是为了解决传统的字符编码方案的局限而产生的，它为每种语言中的每个字符设定了统一并且唯一的二进制编码，以满足跨语言、跨平台进行文本转换、处理的要求。1990年开始研发，1994年正式公布。

ISO 就直接规定必须用两个字节，也就是16位来统一表示所有的字符，对于ascii里的那些“半角”字符，UNICODE 包持其原编码不变，只是将其长度由原来的8位扩展为16位，而其他文化和语言的字符则全部重新统一编码。由于"半角"英文符号只需要用到低8位，所以其高8位永远是0，因此这种大气的方案在保存英文文本时会多浪费一倍的空间。
在这里插入图片描述

UTF-8(unicode的一种)

UNICODE 来到时，一起到来的还有计算机网络的兴起，UNICODE 如何在网络上传输也是一个必须考虑的问题，于是面向传输的众多 UTF（UCS Transfer Format）标准出现了，顾名思义，UTF8就是每次8个位传输数据，而UTF16就是每次16个位，只不过为了传输时的可靠性，从UNICODE到UTF时并不是直接的对应，而是要过一些算法和规则来转换。

规则

对于单字节的符号，字节的第一位设为0，后面7位为这个符号的unicode码。因此对于英语字母，UTF-8编码和ASCII码是相同的。
对于n字节的符号（n>1），第一个字节的前n位都设为1，第n+1位设为0，后面字节的前两位一律设为10。剩下的没有提及的二进制位，全部为这个符号的unicode码。

在这里插入图片描述

URL编码

URL编码遵循下列规则：每对name/value由&；符分开；每对来自表单的name/value由=符分开。如果用户没有输入值给这个name，那么这个name还是出现，只是无值。任何特殊的字符（就是那些不是简单的七位ASCII，如汉字）将以百分符%用十六进制编码，当然也包括象 =,&；，和 % 这些特殊的字符。其实url编码就是一个字符ascii码的十六进制。不过稍微有些变动，需要在前面加上“%”。比如“\”，它的ascii码是92，92的十六进制是5c，所以“\”的url编码就是%5c。那么汉字的url编码呢？很简单，看例子：“胡”的ascii码是-17670，十六进制是BAFA，url编码是“%BA%FA”。

参考这位大神的文章编码，感觉很有意思而且容易理解，附上链接点我！

这里是他的博客链接点我！点我！