18/01/20

ASCII、Unicode和UTF-8编码的区别

编码 大小 支持语言
ASCII 1个字节 英文
Unicode 2个字节()生僻字4个 所有语言
UTF-8 1-6个字节,英文字母一个字节,汉子3个字节,生僻字4-6个字节  

具体解释:

最早只有127个字母被编码到计算机里,也就是大小写英文字母、数字和一些符号,这个编码表被称为ASCII编码,比如大写字母A的编码是65,小写字母z的编码是122。如下图,每一个英文字母或者数字符号由【高四位】+【低四位】组合的二进制字符对应。

ASCII表

但是要处理中文显然一个字节是不够的,至少需要两个字节,而且还不能和ASCII编码冲突,所以,中国制定了GB2312编码,用来把中文编进去。

你可以想得到的是,全世界有上百种语言,日本把日文编到Shift_JIS里,韩国把韩文编到Euc-kr里,各国有各国的标准,就会不可避免地出现冲突,结果就是,在多语言混合的文本中,显示出来会有乱码。

因此,Unicode应运而生。Unicode把所有语言都统一到一套编码里,这样就不会再有乱码问题了。

Unicode标准也在不断发展,但最常用的是用两个字节表示一个字符(如果要用到非常偏僻的字符,就需要4个字节)。现代操作系统和大多数编程语言都直接支持Unicode。

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。

所以,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。

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。

转自ASCIIUnicodeUTF-8编码的区别

相关文章

评论 (1)

918kiss 3.0

2018-07-06 18:21

回复

There For Tomorrow can be a Rock band from Orlando, Florida and they are signed to Hopeless Records.
Alternative rockers CAKE burst onto the mainstream scene in 1996 with racing opus
“The Distance”. http://www.pharmacie-rambuteau.com/the-importance-of-online-casino-software/

发表评论 Leave a comment :