编码

 

• 计算机中储存的信息都是用二进制数表示的；而我们在屏幕上看到的英文、汉字等字符是二进制数转换之后的结果；
• 编码：按照何种规则将字符存储在计算机中；解码：将存储在计算机中的二进制数解析显示出来；如果使用了错误的解码就会出现乱码。
• 字符：各种文字和符号的总称，包括各国文字、标点符号、图形符号、数字等。
• 字符集（Charset）：是一个系统支持的所有抽象字符的集合
• 字符编码:将符号（一般是文字）转换为计算机可以接受的数字系统的数字
• 位：存储数据的最小单位，内存里面有很多小格子，每个格子中只能存放一个 0 或 1
• 字节：存储数据的基本单位
• 1字节(Byte)等于 8 位(bit)，不同编码方式-【汉字、英文、数字】所占字节不同
• 常见的中文编码方式有GB2312、BIG5、GBK

1-原码、反码、补码--使用补码来做减法(符号位参与运算，减法变为加法)

• 机器数：一个数在计算机中的二进制表示形式，最高位为符号位（正数为0, 负数为1）
  
• 真值：去掉机器数符号位的数值
• 原码：第一位表示符号, 其余位表示值
• 反码：负数--符号位不变，其余各位取反
• 补码：负数--符号位不变，其余各位取反, 最后+1
• 补码的取值范围是[-128, 127]

1.1 ASCII

• 它主要用于显示现代英语，使用7位（bits）表示一个字符，共128字符，最高位没有使用(0)；
• 最通用的单字节编码系统，有被Unicode追上的迹象
• 再利用最高位进行编码的方式就称为非ASCII编码，如ISO-8859-1编码
• ASCII的最大缺点是只能显示26个基本拉丁字母、阿拉伯数目字和英式标点符号，因此只能用于显示现代美国英语

1.2 GB2312

• 一个小于127的字符的意义与原来相同，但两个大于127的字符连在一起时，就表示一个汉字 
  
• 基本满足了汉字的计算机处理需要
• 对于人民、古汉语等方面出现的罕见字，GB2312不能处理，这导致了后来GBK及GBK18030汉字字符集的出现

1.3 Unicode

• 不同的编码在本地使用没有问题，一旦出现在网络中，由于不兼容，互相访问就会出现乱码
• Unicode编码系统为表达任意语言的任意字符而设计
• Unicode是字符集，UTF-32/ UTF-16/ UTF-8是三种字符编码方案
• Unicode编码高字节总是00，包含大量英文的文本会浪费空间，所以，出现了UTF-8编码(变长编码)--1～4字节表示中英文
• UTF-8是一种变长编码方式，使用1-4个字节进行编码；其中第一个字节与ASCII兼容；是互联网上使用最广的一种Unicode的编码规则

1.4 BIG5

• 主要用于繁体中文（台湾，香港，澳门等）