一、ASCII

  • 由于美国日常使用中只有字母和数字，还有一些控制字符。
  • 一个字节8位，8位可以表示256种字符。因此用一个字节就可以很好满足美国使用要求。　　
  • ASCII码一共规定了128个字符，比如SPACE是32，A是65，这128个符号只咱用了一个字节的后面七位，最前面的一位统一规定为0。
Bin(二进制)   　Oct(八进制)    　Dec(十进制)　 Hex(十六进制)　 缩写/字符　  　　解释
00000000　　　　　0　　　　　　　0　　　　　　00　　　　NUL(null)　　　　空字符
00000001　　　　　1　　　　　　　1　　　　　　01　SOH(start of headline)　标题开始
00000010　　　　　2　　　　　　　2　　　　　　02　　STX (start of text)　　正文开始
00110000　　　　　60　　　　　　48　　　　　　30　　　　　　0　　　　　　数字0
00110001　　　　　61　　　　　　49　　　　　　31　　　　　　1　　　　　　数字1
00110010　　　　　62　　　　　　50　　　　　　32　　　　　　2　　　　　　数字2
01000001　　　　　101　　　　　65　　　　　　41　　　　　　A　　　　大写字母A　
01000010　　　　　102　　　　　66　　　　　　42　　　　　　B　　　　大写字母B
01000011　　　　　103　　　　　67　　　　　　43　　　　　　C　　　　大写字母C

二、gb2312和GBK

  • 兼容ascii
  • 第一个字节的最高位为1
  • 由于一个字节已经无法满足数量的要求了。所以采用两个字节来表示汉字。
  • 第一个字节称为“高位字节”（也称“区字节）”，第二个字节称为“低位字节”（也称“位字节”）
  • 区位码=区字节+位字节。例如“啊”字在大多数程序中，会以两个字节，0xB0（第一个字节） 0xA1（第二个字节）储存。

三、Unicode

  • Unicode又称统一码、万国码。

  • 在表示一个Unicode的字符时，通常会用“U+”然后紧接着一组十六进制的数字来表示这一个字符。

  • Unicode为了包含所有文字，使用更多位的字节的表示。

四、utf-8

  • utf-8是Unicode的一种实现方式。
  • 实际情况使用变字节的来表示文字。
  • 使用1~4个字节表示一个字符，根据不同的字符而变化字节长度，当字符在ASCII 码的范围时，就用一个字节表示，而一个中文字符占3个字节。
  • 对于单字节的符号，字节的第一位设为0，后面的7位为这个符号的Unicode码。因此，对于英文字母，UTF8编码和ASCII编码是相同的。
  • 对于非单字节（假设字节长度为N）的符号，第一个字节的前N位都设为1，第N+1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，全部为这个符号的Unicode码。
Unicode符号范围     |        UTF-8编码方式
(十六进制)        |              （二进制）
----------------------+---------------------------------------------
0000 0000-0000 007F | 0xxxxxxx
0000 0080-0000 07FF | 110xxxxx 10xxxxxx
0000 0800-0000 FFFF | 1110xxxx 10xxxxxx 10xxxxxx
0001 0000-0010 FFFF | 11110xxx 10xxxxxx 10xxxxxx 10xxxxxx
  • 举个例子，
  • 以汉字“严”为例，它的Unicode是4e25（100 1110 0010 0101），
  • 对应上表，处于第三行，因此严的UTF8编码需要3个字节。
  • 然后，从严的最后一个二进制位开始，从后向前填入X，多出的位补0，
  • 就可以计算出 1110 0100 1011 1000 1010 0101，转成十六进制就是E4B8A5。