【计算机基础】Ascii/GBK/utf

【计算机基础】Ascii/GBK/utf

一、基础知识

一个字节=8位

• 位：
  其中每一个逻辑0或者1便是一个位。例如这个例子里的1000 1110共有八个位，它的英文名字叫（bit），是计算机中最基本的单位。
• 字节：
  Byte，是由八个位组成的一个单元，也就是8个bit组成1个Byte。字节有什么用呢？ 在计算机科学中，用于表示ASCII字符，便是运用字节来记录表示字母和一些符号~例如字符A便用 “0100 0001”来表示。
• 字符：
  一个字符占几个字节？不同编码方案中占用的字节数是不一样的。
  在ASCII码编码方案中，一个英文字符占用一个字节，一个汉字字符占用两个字节的空间；
  在Unicode编码方案中，一个英文字符或一个汉字字符都占用两个字节的空间；
  在UTF-8编码方案中，一个英文字符占用一个字节，一个汉字字符占用三个字节的空间。
  在GBK编码方案中，一个中文字符占用两个字节；一个英文字符占用一个字节的空间。

“字节”是一个8位的物理存贮单元，而“字符”则是一个文化相关的符号。

二、ASCII 编码

ASCII码是美国信息交换标准编码，是世界上最通用的计算机符号编码。ASCII码用7个二进制位共编码128个字符。
在ASCII编码中，一个英文字母或其他字符占用一个字节，一个中文汉字在ASCII码的兼容方案中占用两个字节。

三、unicode 编码 – 定长编码

统一码，Universal Multiple-OctetCoded Character Set，简称UCS，俗称unicode，万国码。
世界上所有的语言包含的符号，都在unicode里面有唯一的编码。Uicode采用两个字节的编码方式，把世界上所有的语言的文字字符都容纳了进来。
在Unicode的编码方案中，一个英文字母或字符占用两个字节的空间，同样一个中文字符包括繁体字，也是占用两个字节的空间。

四、utf-8 编码 – 不定长编码

互联网的普及，强烈要求出现一种统一的编码方式。UTF-8就是在互联网上使用最广的一种unicode的实现方式。其他实现方式还包括UTF-16和UTF-32，不过在互联网上基本不用。重复一遍，这里的关系是，UTF-8是Unicode的实现方式之一。
UTF-8编码使用1~4个字节对所有的字符进行编码，对于ASCIl码的那些字符采用一个字节，从而保证与ASCIl的完全兼容。
对于拉丁文、希伯来文等字母采用2个字节进行编码；对于中日韩、东南亚等文字，采用3个字节进行编码。

UTF-8最大的一个特点，就是它是一种变长的编码方式。它可以使用1~4个字节表示一个符号，根据不同的符号而变化字节长度。
UTF-8的编码规则很简单，只有二条：
1）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。
2）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。