码表的理解(ASCII,GBK,Unicode,UTF-8等)。

以下任何言论都完全是个人的理解，如有雷同纯属巧合，如有错误，希望大家多多指出，共同学习！谢谢！

 

笔者是一个理解能力偏慢、稍钻牛角尖的程序员，什么东西都要从最基础理解起，一步一步向上理解，因此讲述时也是这样，讲述的也比较通俗，都是按照个人的理解来讲述的，也请大家少安毋躁。

 

在计算机中无论任何数据的传输、存储、持久化，都是以二进制的形式体现的。

那么当我存一个字符的时候，计算机需要持久化到硬盘，或者保存在内存中。

这个时候保存在内存、硬盘的数据显然也是二进制的。

那么当我需要从硬盘、内存中取出这些字符，再显示的时候，为什么二进制会变成了字符呢？

 

这就是码表存在的意义。

 

码表其实就是一个字符和其对应的二进制相互映射的一张表。

 

这张表中规定了字符和二进制的映射关系。

 

计算机存储字符时将字符查询码表，然后存储对应的二进制。

 

计算机取出字符时将二进制查询码表，然后转换成对应的字符显示。

 

大致可以这样理解。

 

By the way

不同的码表所容纳的字符映射也是不同的。

 

在有些码表中一个字符占用1个字节，1个字节能表示的范围是-128到127，总共为256。所以能容纳256个字符映射。

 

而有的码表中一个字符占用2个，甚至3个字节，因此能容纳的字符映射也更多。

 

下面笔者按照自己的理解详细讲述一下不同的码表。

 

 

常见的码表：

 

ASCII：

美国码表，码表中只有英文大小写字母、数字、美式标点符号等。每个字符占用1个字节，所有字符映射的二进制都为正数，因此有128个字符映射关系。

GB2312：

兼容ASCII码表，并加入了中文字符，码表中包含英文大小写字母、数字、美式标点符号占一个字节，中文占两个字节，中文映射的二进制都是负数，因此有128× 128 = 16384个字符映射关系。

GBK/GB18030：

兼容GB2312码表，英文大小写字母、数字、美式标点符号，占一个字节。中文占两个字节，第一个字节为负数，第二个字节为正数和负数，因为有128× 256 = 32768个字符映射关系。

Unicode码表：

国际码表，包含各国大多数常用字符，没个字符都占2个字节，因此有65536个字符映射关系。Java语言使用的就是Unicode码表。

UTF-8码表：（是Unicode编码表的一种实现形式）

同样是国际码表，但英文占一个字节，中文占3个字节。

 

 

实际存储中看看具体的影响：