1.字符编码

Notes #滴水基础_Win32

ASCII编码

  • 美国信息交换标准代码

原始ASCII码表

  • 0-7F

扩展ASCII码表

  • 0-FF
  • GB2312：两个扩展ASCII码组成一个汉字
  • 弊端：每个国家用的格式不同，本机是GB2312可能显示是中文，在他机上就可能会是乱码

Unicode编码

  • 0-0x10FFFF
  • 把所有符号全部存储，每个符号都是唯一编码
  • 问题：Unicode只是一个符号集，它只规定了符号的二进制代码，却没有规定这个二进制代码应该如何存储

UTF-16

  • 以16位无符号整数为单位，注意是16位一个单位，不代表一个符号就只有16位。这个要看字符的unicode编码出于什么范围而定，有可能是2个字节，也有可能是4个字节。现在机器上的unicode编码一般指的就是UTF-16。
  • 存储单位是两个字节
  • 弊端：一个字符如果只有一个字节，但是UTF-16要存两个字节，增大了存储空间，对于网络传输不够友好

UTF-8

1
2
3
4
5
Unicode          UTF-8字节流（二进制）
000000-00007F -> 0xxxxxxx
000080-0007FF -> 110xxxxx 10xxxxxx
000800-00FFFF -> 1110xxxx 10xxxxxx 10xxxxxx
010000-10FFFF -> 11110xxx 10xxxxxx 10xxxxxx 10xxxxxx
  • 缺点：解析繁琐，中文的话可能不如UTF-16更省空间

BOM(Byte Order Mark)

  • 判断文本文件的存储格式
1
2
3
UTF-8     -> EF BB BF
UTF-16LE  -> FF FE
UTF-16BE  -> FE FF

关于本文

由 GuQing 撰写，采用 CC BY-NC 4.0 许可协议。