字符编码

今天舍友突然问了C#的编码是啥？突然发现我似乎不清楚编码，甚至忘记了。现在我们来学习一下

 

编码：就是0和1去表示我们使用的字符，因为计算机内是二进制的。把我们的字符编码成计算机语言

 

ASCII：

八个二进制位等于一字节（byte），可以组合出256种状态，从00000000到11111111

 

基本表7位128个。如大写字母A是65（01000001）——英文是够用的

扩展表8位256个——欧洲国家不够用，但是每个不同国家128-255这段是不同的

 

GB2312：（最常见的简体中文编码）

因为汉字符号很多，一个字节不够，所以是两个字节表示一个汉字（2^16=65536）

 

Unicode：（统一的编码）

很多种的编码方式，同一个二进制数字可以被解释成不同的符号。因此打开一个文件，就必须知道它的编码方式，否则就会出现乱码了。

Unicode就是想将世界上所有的符号纳入其中，所有的符号都是同一套编码

两个问题：

（1）计算机怎么知道三个字节表示一个符号，而不是表示三个符号

（2）如果统一规定，每个符号用三个或4个字节表示，那英文字母前面有二到三个字节0，浪费

所以出现很多种存储方式并且很长一段时间都无法推广，直到互联网出现

 

UTF-8：（Unicode的实现方式之一）

互联网的普及，要求出现一种统一的编码方式。UTF-8是互联网上使用最广的Unicode实现方式。

其他的实现包括UTF-16（两个或四个字节）和UTF-32（用四个字节）

UTF-8最大特点是变长的编码方式。用1-4个字节表示一个符号

（1）对于单字节，第一位为0

（2）对于2字节以上，第一个字节前n位为1，然后n+1位为0，后面字节前两位为10

0xxxxxxx 110xxxxx 10xxxxxx 1110xxxx 10xxxxxx 10xxxxxx 11110xxx 10xxxxxx 10xxxxxx 10xxxxxx

 

Big5： （繁体字）

 

有空再更新深入的