一、基本概念
1. 比特位（Bit）
是计算机最小的存储单位
以0或1来表示比特位的值
2. 字节（Byte）
是计算机中数据存储的基本单元
一字节等于一个8个比特位
3. 字符（Character）
是一个信息单位
是各种文字和符号的统称
4. 字符集（Character Set）
是某个范围内字符的集合
不同的字符集规定了不同字符的个数
5. 字符码（Code Point）
字符集中每个字符的数字编号
6. 字符编码（Character Encoding）
是将字符集中的字符码映射为字节流的一种具体实现方案
ASCII 编码、UTF-8 编码、GBK 编码
7. 编码（Encoding）
编码的过程是将字符转换成字节流
8. 解码 （Decoding）
解码的过程是将字节流解析为字符
二、具体解释
1. 我们想做的事情，最终的目的？
- 将文本内容存储到存储器当中
- 从存储器中取出来文本内容进行相关操作
2. 存储器的能接受的存储方式？
- 你现在要把文本内容存储在存储器里面；所以你能不考虑它的感受？
- 举个例子 — 商场的储物柜
储物柜组成：一个大箱子有很多小柜子；一个小柜子里面有几个小格子；
(1) 请问：你租柜子的时候，能租一个格子吗？不能，只能租一个柜子；对不对？所以一个柜子就是一个“基本存储单元”；
(2) 请问：小柜子里面真正放东西的时候，是不是放在小格子里面？所以，一个小格子，就是 “最小存储单位”；- 类比到存储器的存储结构，如下：
- 举个例子 — 商场的储物柜
3. 存储目的的抽象
-
我们的最终目的
-
抽象后的图示
存储的过程称为 “编码”
取出的过程称为 “解码”
4. 引发的问题？
-
如何存储字符？（字符都是一些a,b,c,1, 2, 3等等; 存储器只能存储0和1）
-
按照怎样的规范进行存储？（每个字符占用多少字节？）
5. 解决方案（统一的标准：编码解码规范）
- 由具体的编码，来确定每一个字符所对应的数值；让存储器直接存储数值就可以；到时候，解码的时候；取出对应的数据，再按照编码规范找到对应的字符即可
6. 乱码的原因？
- 存字符“a”的时候，按照编码1，转换的数值是97；
- 下次从存储器取出来数值97之后，居然按照编码2，进行解码；
- 而编码2里面的97，有可能对应的是s；
- 这样就造成“乱码”；（如上图）
所以，避免乱码的方式就是；保证编码和解码使用的是同一套字符编码；
7. 既然乱码是由使用了不同的字符编码引起的；那为什么搞这么多套？合成一套，弄一个标准不就可以了？
言之有理，但凡事都是一个发展进化的过程；
而且，“大而全”不一定好；拖拉机拉货特别多；你能开着去上班吗？
- 细看“字符编码”发展历程
- 计算机最早发明于美国, 英语中主要就包括26个字母(大小写), 10个数字, 标点符号, 控制符等等; 所以, 最终就制定了ASCII字符编码, 映射了字符和字符码的关系, 并使用一个字节的后七位(0 - 127)来存储; (当时真TM没想到, 计算机会普及)
- 慢慢计算机普及到西欧其他地区, 发现好多字符没法识别处理; 于是对ASCII进行了扩展, 叫 EASCII编码; 还是一个字节, 从128 – 255; 但是针对于这一块的扩充, 各个厂家各有自己的标准(比如当时比较有名的CP437); 最后导致互相之间没法沟通; 所以, 后来, 由国际标准化组织(ISO) 以及国际电工委员会(IEC)联合制定了一个标准 ISO/8859-1(Latin-1), 继承了CP437的128-159; 重新定义了160-255;
- 然后到中国之后, 全都懵逼了; 汉字博大精深, 一个字节肯定不够; so, 国人自己搞了一个GB2312来存储中文, 6763个汉字;(双字节, 兼容ASCII) 可是, 一开始还很爽; 后来发现还有繁体字, 藏文, 蒙文, 维吾尔文… 懵逼X2; 于是一狠心, 搞了一个GBK, 全给他们搞进来;
- 中国是搞定了, 那日本,韩国… … 如果到时候, 各有各的字符编码, 那该怎样沟通?比如 666 , 在中国代表NB; 在岛国代表SB, 那就乱套了; 所以, 统一联盟国际组织, 提出了Unicode编码; 涵盖了世界上所有的文字, 每一个字符都有对应的唯一一个字符码, 这回大家都开心了 但是, 针对于每个字符码, 使用几个字节存储的问题, 又存在几个不同的具体解决方案; 比如utf-8, utf-16, utf-32… 所以, 其实, 我们讨论这边编码的时候, 都是指Unicode编码