Unicode, UTF-8, ASCII

编辑日期: 2024-11-28 文章阅读: 次

Unicode, UTF-8, ASCII

昨天文章发出来后，有几个读者问我，编码这块怎么掌握，感觉总是很模糊，就知道个utf-8编码，到底如何掌握。我其实了解也不深刻，把我知道的字符编码主要知识点，总结如下： 1. Unicode 是最常用的一个字符集，只规定字符的编码，开头是'\u'，如'\u4e25'对应字符是严，\u005c'表示反斜杠，详细编码和字符对应表可参考：https://zh.wikipedia.org/wiki/Unicode%E5%AD%97%E7%AC%A6%E5%88%97%E8%A1%A8

ASCII编码一共规定了128个字符的编码，是美国人上世纪60年代制定的，记住只包括128个字符。1个字节能表示256个不同值，但只包括128个，所以第一位统一为0，后七位用来表示字符。
另一个常识：英语用上面ASCII编码的128个符号编码就够了，但其他语言，128个符号是不够的！！！
汉字多达10万不同字符。一个字节只能表示256种符号，肯定不够。那怎么办？必须使用多个字节表达一个符号。
如果使用2个字节表示一个符号，可能性有：256 x 256 = 65536种
上面提到Unicode只是一个字符集，不管存储实现它们的事情。同一个字符使用不同的存储方法，解析出来就会有很大问题。所以，急需要一种统一的编码方式。
UTF-8编码被互联网广泛使用，它是Unicode字符集的一种极佳的存储方法。首先它是变长度，存储ASCII字符时，用1个字节存储它；存储汉字时，使用3个字节。这种变长度存储，大大提高了存储效率。
UTF-8有一套设计精良的编码规则，感兴趣的可以去看看。