上海市建设监理协会网站查询,建筑培训网官网安全员成绩查询,wordpress 制作,自动建站网站系统域名转载自 架构师必须掌握的各种编码#xff1a;ASCII、ISO-8859-1、GB2312编码在我们日常开发过程中经常有遇到#xff0c;常见的编码格式有ASCII、ISO-8859-1、GB2312、GBK、GB18030、UNICODE、UTF-8、UTF-16等#xff0c;其中GB2312、GBK、GB18030、UTF-8、UTF-16都可以用来…转载自 架构师必须掌握的各种编码ASCII、ISO-8859-1、GB2312编码在我们日常开发过程中经常有遇到常见的编码格式有ASCII、ISO-8859-1、GB2312、GBK、GB18030、UNICODE、UTF-8、UTF-16等其中GB2312、GBK、GB18030、UTF-8、UTF-16都可以用来表示中文那么哪种存储中文会比较合适呢下面会对这几种编码一一介绍便会有结论。为什么有编码我们知道计算机中最小的存储单位是字节byte一个字节所能表示的字符数又有限1byte8bit一个字节最多也只能表示255个字符而世界上的语种又多都有各种不同的字符无法用一个byte表示所以java中的char表示字符就是来解决这种编码问题的一个char占两个字节所以从char到最小单位byte之间必须经过编码。常用编码ASCII全称为American Standard Code for Information Interchange美国信息交换标准代码这是世界上最通用的单字节编码系统主要用来显示现代英语及其他西欧语言。ASCII码用7位表示只能表示128个字符031表示控制字符如回车、退格、删除等32126表示打印字符即可以通过键盘输入并且能显示出来的字符
其中4857为0到9十个阿拉伯数字6590为26个大写英文字母97122号为26个小写英文字母其余为一些标点符号、运算符号等具体可以参考ASCII标准表。ISO-8859-1既然ASCII只能表示128个字符显示是不能完全表示完的所以ISO-8859-1扩展了ASCII编码在ASCII编码之上又增加了西欧语言、希腊语、泰语、阿拉伯语、希伯来语对应的文字符号它是向下兼容ASCII编码的。ISO-8859-1也是单字节编码但它是一个8位的容器它能表示256个字符。GB2312全称为信息交换用汉字编码字符集是中国于1980年发布主要用于计算机系统中的汉字处理。GB2312主要收录了6763个汉字、682个符号。GB2312覆盖了汉字的大部分使用率但不能处理像古汉语等特殊的罕用字所以后来出现了像GBK、GB18030这种编码。GBKGBK全称为Chinese Internal Code Specification即汉字内码扩展规范于1995年制定。它主要是扩展了GB2312在它的基础上又加了更多的汉字它一共收录了21003个汉字。GBK是向下兼容GB2312编码的也就是说GB2312编码的汉字可以用GBK正常解码不会出现乱码但用GBK编码的汉字用GB2312解码就不一定了。GB18030GB18030全称汉字内码扩展规范是现在最新的内码字集于2000年发布并于2001年强制执行包含了中国大部分少数民族的语言字符收录汉字数超过70000余个。它主要采用单字节、双字节、四字节对字符编码它是向下兼容GB2312和GBK的虽然是我国的强制使用标准但在实际生产中很少用到用得最多的反而是GBK和GB2312。UNICODE为了自己的语言能在计算机中正常显示每个国家和地区都有各自的编码所以编码多了谁也不认识对方的编码这时候ISO组织就提出了一种新的编码叫UNICODE编码让全球的文化、字符、符号都能支持。UNICODE在制定时计算机容量已不是问题所以设计成了固定两个字节所有的字符都用16位表示包括之前只占8位的英文字符等所以会造成空间的浪费UNICODE在很长的一段时间内都没有得到推广应用。UTF-16UTF-16是UNICODE的具体实现16即16位UTF-16即是这个来由定义了UNICODE字符在计算机中的存储方式UTF-16同样使用了两个字节来表示任何字符这样使得操作字符串非常高效这也是java把UTF-16作为字符在内存中存储的格式的重要原因。UTF-16适合在磁盘与内存之间使用字符和字节的相互转换会更加简单和高效但不适合在网络上传输因为网络传输可能会损坏字节流。UTF-8虽然UTF-16很高效但也是UNICODE最大的坏处使得所有单字节字符一定要占两个字节存储空间放大了一倍这明显消耗了资源不符合现在互联网高速发展的现状。所以有了UTF-8它是UNICODE的一种可变长度字符编码的实现它可以使用16个定长字节来编码UNICODE字符。UTF-8对ASCII字符使用单字节存储单个字符损坏也不会影响后面的字符所以UTF-8非常适合在网络上面传统也是现在使用最广泛的编码之一。如果要表示中文UTF-8编码效率要大于GBK小于UTF-16所以它也是除了GBK之外最理想的编码方式。编码在我们日常开发过程中经常有遇到常见的编码格式有ASCII、ISO-8859-1、GB2312、GBK、GB18030、UNICODE、UTF-8、UTF-16等其中GB2312、GBK、GB18030、UTF-8、UTF-16都可以用来表示中文那么哪种存储中文会比较合适呢下面会对这几种编码一一介绍便会有结论。为什么有编码我们知道计算机中最小的存储单位是字节byte一个字节所能表示的字符数又有限1byte8bit一个字节最多也只能表示255个字符而世界上的语种又多都有各种不同的字符无法用一个byte表示所以java中的char表示字符就是来解决这种编码问题的一个char占两个字节所以从char到最小单位byte之间必须经过编码。常用编码ASCII全称为American Standard Code for Information Interchange美国信息交换标准代码这是世界上最通用的单字节编码系统主要用来显示现代英语及其他西欧语言。ASCII码用7位表示只能表示128个字符031表示控制字符如回车、退格、删除等32126表示打印字符即可以通过键盘输入并且能显示出来的字符其中4857为0到9十个阿拉伯数字6590为26个大写英文字母97122号为26个小写英文字母其余为一些标点符号、运算符号等具体可以参考ASCII标准表。ISO-8859-1既然ASCII只能表示128个字符显示是不能完全表示完的所以ISO-8859-1扩展了ASCII编码在ASCII编码之上又增加了西欧语言、希腊语、泰语、阿拉伯语、希伯来语对应的文字符号它是向下兼容ASCII编码的。ISO-8859-1也是单字节编码但它是一个8位的容器它能表示256个字符。GB2312全称为信息交换用汉字编码字符集是中国于1980年发布主要用于计算机系统中的汉字处理。GB2312主要收录了6763个汉字、682个符号。GB2312覆盖了汉字的大部分使用率但不能处理像古汉语等特殊的罕用字所以后来出现了像GBK、GB18030这种编码。GBKGBK全称为Chinese Internal Code Specification即汉字内码扩展规范于1995年制定。它主要是扩展了GB2312在它的基础上又加了更多的汉字它一共收录了21003个汉字。GBK是向下兼容GB2312编码的也就是说GB2312编码的汉字可以用GBK正常解码不会出现乱码但用GBK编码的汉字用GB2312解码就不一定了。GB18030GB18030全称汉字内码扩展规范是现在最新的内码字集于2000年发布并于2001年强制执行包含了中国大部分少数民族的语言字符收录汉字数超过70000余个。它主要采用单字节、双字节、四字节对字符编码它是向下兼容GB2312和GBK的虽然是我国的强制使用标准但在实际生产中很少用到用得最多的反而是GBK和GB2312。UNICODE为了自己的语言能在计算机中正常显示每个国家和地区都有各自的编码所以编码多了谁也不认识对方的编码这时候ISO组织就提出了一种新的编码叫UNICODE编码让全球的文化、字符、符号都能支持。UNICODE在制定时计算机容量已不是问题所以设计成了固定两个字节所有的字符都用16位表示包括之前只占8位的英文字符等所以会造成空间的浪费UNICODE在很长的一段时间内都没有得到推广应用。UTF-16UTF-16是UNICODE的具体实现16即16位UTF-16即是这个来由定义了UNICODE字符在计算机中的存储方式UTF-16同样使用了两个字节来表示任何字符这样使得操作字符串非常高效这也是java把UTF-16作为字符在内存中存储的格式的重要原因。UTF-16适合在磁盘与内存之间使用字符和字节的相互转换会更加简单和高效但不适合在网络上传输因为网络传输可能会损坏字节流。UTF-8虽然UTF-16很高效但也是UNICODE最大的坏处使得所有单字节字符一定要占两个字节存储空间放大了一倍这明显消耗了资源不符合现在互联网高速发展的现状。所以有了UTF-8它是UNICODE的一种可变长度字符编码的实现它可以使用16个定长字节来编码UNICODE字符。UTF-8对ASCII字符使用单字节存储单个字符损坏也不会影响后面的字符所以UTF-8非常适合在网络上面传统也是现在使用最广泛的编码之一。如果要表示中文UTF-8编码效率要大于GBK小于UTF-16所以它也是除了GBK之外最理想的编码方式。
