今天总结字符集与编码方式的时候涉及到进制,这里总结下
进制也就是进位制,是人们规定的一种进位方法。 对于任何一种进制---X进制,就表示某一位置上的数运算时是逢X进一位。 十进制是逢十进一,十六进制是逢十六进一,二进制就是逢二进一
字符串与编码
计算机只能处理数字,如果要处理文本,就必须先把文本转换为数字才能处理。最早的计算机在设计时采用8个比特(bit)作为一个字节(byte),所以,一个字节能表示的最大的整数就是255(二进制11111111=十进制255),如果要表示更大的整数,就必须用更多的字节。比如两个字节可以表示的最大整数是65535,4个字节可以表示的最大整数是4294967295。
【拓展】
①一个字节是8位的
(因为最早的计算机在设计时采用8个比特bit作为一个字节byte),每位有1与0两种情况,根据排列组合的计算是可以得出。
具体说就是:每一位两种情况,8位就是2的8次方=256种,也就是0到255这256个数了
②为什么一个字节能存储的最大数是255?
字节是存储器的基本单位,长度为8位,计算机存储器中数据都是以二进制保存的,每一位不是0就是1,所以8个二进制位全为1时,代表的数最大。二进制的11111111,转换为十进制就是255。
存储单元存储的数据和存储单元的数据类型有关,一般用一个字节存储的数据,其类型为正整数和0,此时一个字节能存储的最大数是255。如果一个字节存储的是字符数据,也可以用正整数和0来代表,如ASCII码就是用0-255的数字代表256个字符,此时说存储的最大数为255也是合理的。
③一个字节能存放的最大和最小十进制数是多少,他们的二进制形式是什么?
1字节8位,
如果标志符号数据,表示范围为-128~127:10000000~01111111【2进制】
如果表示无符号数据,表示范围:0~255: 00000000~11111111【2进制】
十进制就是0~255;相应的二进制为00000000~11111111;相应的16进制0x00~0xff
④ASCII编码和Unicode编码的区别:ASCII编码是1个字节,而Unicode编码通常是2个字节
比如:
如果把ASCII编码的A用Unicode编码,只需要在前面补0就可以。
因此,A的Unicode编码是00000000 01000001
新的问题又出现了:
如果统一成Unicode编码,乱码问题从此消失了。但是,如果你写的文本基本上全部是英文的话,用Unicode编码比ASCII编码需要多一倍的存储空间,在存储和传输上就十分不划算。
UTF-8编码:
本着节约的精神,又出现了把Unicode编码转化为“可变长编码”的UTF-8编码。UTF-8编码把一个Unicode字符根据不同的数字大小编码成1-6个字节,常用的英文字母被编码成1个字节,汉字通常是3个字节,只有很生僻的字符才会被编码成4-6个字节。如果你要传输的文本包含大量英文字符,用UTF-8编码就能节省空间:
字符 ASCII Unicode UTF-8A | 01000001 | 00000000 01000001 | 01000001 |
中 | x | 01001110 00101101 | 11100100 10111000 10101101 |
从上面的表格还可以发现,UTF-8编码有一个额外的好处,就是ASCII编码实际上可以被看成是UTF-8编码的一部分,所以,大量只支持ASCII编码的历史遗留软件可以在UTF-8编码下继续工作。
搞清楚了ASCII、Unicode和UTF-8的关系,我们就可以总结一下现在计算机系统通用的字符编码工作方式:
在计算机内存中,统一使用Unicode编码,当需要保存到硬盘或者需要传输的时候,就转换为UTF-8编码。
用记事本编辑的时候,从文件读取的UTF-8字符被转换为Unicode字符到内存里,编辑完成后,保存的时候再把Unicode转换为UTF-8保存到文件。
.