青青草原综合久久大伊人导航_色综合久久天天综合_日日噜噜夜夜狠狠久久丁香五月_热久久这里只有精品

posts - 29, comments - 16, trackbacks - 0, articles - 0
   :: 首頁 :: 新隨筆 :: 聯系 :: 聚合  :: 管理

字符編碼筆記:ASCII,Unicode和UTF-8(轉)

Posted on 2009-02-15 10:38 王勇良 閱讀(846) 評論(0)  編輯 收藏 引用 所屬分類: C++

1. ASCII碼

我們知道,在計算機內部,所有的信息最終都表示為一個二進制的字符串。每一個二進制位(bit)有0和1兩種狀態,因此八個二進制位就可以組合出 256種狀態,這被稱為一個字節(byte)。也就是說,一個字節一共可以用來表示256種不同的狀態,每一個狀態對應一個符號,就是256個符號,從 0000000到11111111。

上個世紀60年代,美國制定了一套字符編碼,對英語字符與二進制位之間的關系,做了統一規定。這被稱為ASCII碼,一直沿用至今。

ASCII碼一共規定了128個字符的編碼,比如空格“SPACE”是32(二進制00100000),大寫的字母A是65(二進制01000001)。這128個符號(包括32個不能打印出來的控制符號),只占用了一個字節的后面7位,最前面的1位統一規定為0。

2、非ASCII編碼

英語用128個符號編碼就夠了,但是用來表示其他語言,128個符號是不夠的。比如,在法語中,字母上方有注音符號,它就無法用ASCII碼表示。 于是,一些歐洲國家就決定,利用字節中閑置的最高位編入新的符號。比如,法語中的é的編碼為130(二進制10000010)。這樣一來,這些歐洲國家使 用的編碼體系,可以表示最多256個符號。

但是,這里又出現了新的問題。不同的國家有不同的字母,因此,哪怕它們都使用256個符號的編碼方式,代表的字母卻不一樣。比如,130在法語編碼 中代表了é,在希伯來語編碼中卻代表了字母Gimel (?),在俄語編碼中又會代表另一個符號。但是不管怎樣,所有這些編碼方式中,0—127表示的符號是一樣的,不一樣的只是128—255的這一段。

至于亞洲國家的文字,使用的符號就更多了,漢字就多達10萬左右。一個字節只能表示256種符號,肯定是不夠的,就必須使用多個字節表達一個符號。 比如,簡體中文常見的編碼方式是GB2312,使用兩個字節表示一個漢字,所以理論上最多可以表示256x256=65536個符號。

中文編碼的問題需要專文討論,這篇筆記不涉及。這里只指出,雖然都是用多個字節表示一個符號,但是GB類的漢字編碼與后文的Unicode和UTF-8是毫無關系的。

3.Unicode

正如上一節所說,世界上存在著多種編碼方式,同一個二進制數字可以被解釋成不同的符號。因此,要想打開一個文本文件,就必須知道它的編碼方式,否則用錯誤的編碼方式解讀,就會出現亂碼。為什么電子郵件常常出現亂碼?就是因為發信人和收信人使用的編碼方式不一樣。

可以想象,如果有一種編碼,將世界上所有的符號都納入其中。每一個符號都給予一個獨一無二的編碼,那么亂碼問題就會消失。這就是Unicode,就像它的名字都表示的,這是一種所有符號的編碼。

Unicode當然是一個很大的集合,現在的規模可以容納100多萬個符號。每個符號的編碼都不一樣,比如,U+0639表示阿拉伯字母Ain,U+0041表示英語的大寫字母A,U+4E25表示漢字“嚴”。具體的符號對應表,可以查詢unicode.org,或者專門的漢字對應表

4. Unicode的問題

需要注意的是,Unicode只是一個符號集,它只規定了符號的二進制代碼,卻沒有規定這個二進制代碼應該如何存儲。

比如,漢字“嚴”的unicode是十六進制數4E25,轉換成二進制數足足有15位(100111000100101),也就是說這個符號的表示至少需要2個字節。表示其他更大的符號,可能需要3個字節或者4個字節,甚至更多。

這里就有兩個嚴重的問題,第一個問題是,如何才能區別unicode和ascii?計算機怎么知道三個字節表示一個符號,而不是分別表示三個符號 呢?第二個問題是,我們已經知道,英文字母只用一個字節表示就夠了,如果unicode統一規定,每個符號用三個或四個字節表示,那么每個英文字母前都必 然有二到三個字節是0,這對于存儲來說是極大的浪費,文本文件的大小會因此大出二三倍,這是無法接受的。

它們造成的結果是:1)出現了unicode的多種存儲方式,也就是說有許多種不同的二進制格式,可以用來表示unicode。2)unicode在很長一段時間內無法推廣,直到互聯網的出現。

5.UTF-8

互聯網的普及,強烈要求出現一種統一的編碼方式。UTF-8就是在互聯網上使用最廣的一種unicode的實現方式。其他實現方式還包括UTF-16和UTF-32,不過在互聯網上基本不用。重復一遍,這里的關系是,UTF-8是Unicode的實現方式之一。

UTF-8最大的一個特點,就是它是一種變長的編碼方式。它可以使用1~4個字節表示一個符號,根據不同的符號而變化字節長度。

UTF-8的編碼規則很簡單,只有二條:

1)對于單字節的符號,字節的第一位設為0,后面7位為這個符號的unicode碼。因此對于英語字母,UTF-8編碼和ASCII碼是相同的。

2)對于n字節的符號(n>1),第一個字節的前n位都設為1,第n+1位設為0,后面字節的前兩位一律設為10。剩下的沒有提及的二進制位,全部為這個符號的unicode碼。

下表總結了編碼規則,字母x表示可用編碼的位。

Unicode符號范圍 | UTF-8編碼方式
(十六進制) | (二進制)
--------------------+---------------------------------------------
0000 0000-0000 007F | 0xxxxxxx
0000 0080-0000 07FF | 110xxxxx 10xxxxxx
0000 0800-0000 FFFF | 1110xxxx 10xxxxxx 10xxxxxx
0001 0000-0010 FFFF | 11110xxx 10xxxxxx 10xxxxxx 10xxxxxx

下面,還是以漢字“嚴”為例,演示如何實現UTF-8編碼。

已知“嚴”的unicode是4E25(100111000100101),根據上表,可以發現4E25處在第三行的范圍內(0000 0800-0000 FFFF),因此“嚴”的UTF-8編碼需要三個字節,即格式是“1110xxxx 10xxxxxx 10xxxxxx”。然后,從“嚴”的最后一個二進制位開始,依次從后向前填入格式中的x,多出的位補0。這樣就得到了,“嚴”的UTF-8編碼是 “11100100 10111000 10100101”,轉換成十六進制就是E4B8A5。

6. Unicode與UTF-8之間的轉換

通過上一節的例子,可以看到“嚴”的Unicode碼是4E25,UTF-8編碼是E4B8A5,兩者是不一樣的。它們之間的轉換可以通過程序實現。

在Windows平臺下,有一個最簡單的轉化方法,就是使用內置的記事本小程序Notepad.exe。打開文件后,點擊“文件”菜單中的“另存為”命令,會跳出一個對話框,在最底部有一個“編碼”的下拉條。

bg2007102801.jpg

里面有四個選項:ANSI,Unicode,Unicode big endian 和 UTF-8。

1)ANSI是默認的編碼方式。對于英文文件是ASCII編碼,對于簡體中文文件是GB2312編碼(只針對Windows簡體中文版,如果是繁體中文版會采用Big5碼)。

2)Unicode編碼指的是UCS-2編碼方式,即直接用兩個字節存入字符的Unicode碼。這個選項用的little endian格式。

3)Unicode big endian編碼與上一個選項相對應。我在下一節會解釋little endian和big endian的涵義。

4)UTF-8編碼,也就是上一節談到的編碼方法。

選擇完”編碼方式“后,點擊”保存“按鈕,文件的編碼方式就立刻轉換好了。

7. Little endian和Big endian

上一節已經提到,Unicode碼可以采用UCS-2格式直接存儲。以漢字”嚴“為例,Unicode碼是4E25,需要用兩個字節存儲,一個字節 是4E,另一個字節是25。存儲的時候,4E在前,25在后,就是Big endian方式;25在前,4E在后,就是Little endian方式。

這兩個古怪的名稱來自英國作家斯威夫特的《格列佛游記》。在該書中,小人國里爆發了內戰,戰爭起因是人們爭論,吃雞蛋時究竟是從大頭(Big- Endian)敲開還是從小頭(Little-Endian)敲開。為了這件事情,前后爆發了六次戰爭,一個皇帝送了命,另一個皇帝丟了王位。

因此,第一個字節在前,就是”大頭方式“(Big endian),第二個字節在前就是”小頭方式“(Little endian)。

那么很自然的,就會出現一個問題:計算機怎么知道某一個文件到底采用哪一種方式編碼?

Unicode規范中定義,每一個文件的最前面分別加入一個表示編碼順序的字符,這個字符的名字叫做”零寬度非換行空格“(ZERO WIDTH NO-BREAK SPACE),用FEFF表示。這正好是兩個字節,而且FF比FE大1。

如果一個文本文件的頭兩個字節是FE FF,就表示該文件采用大頭方式;如果頭兩個字節是FF FE,就表示該文件采用小頭方式。

8. 實例

下面,舉一個實例。

打開”記事本“程序Notepad.exe,新建一個文本文件,內容就是一個”嚴“字,依次采用ANSI,Unicode,Unicode big endian 和 UTF-8編碼方式保存。

然后,用文本編輯軟件UltraEdit中的”十六進制功能“,觀察該文件的內部編碼方式。

1)ANSI:文件的編碼就是兩個字節“D1 CF”,這正是“嚴”的GB2312編碼,這也暗示GB2312是采用大頭方式存儲的。

2)Unicode:編碼是四個字節“FF FE 25 4E”,其中“FF FE”表明是小頭方式存儲,真正的編碼是4E25。

3)Unicode big endian:編碼是四個字節“FE FF 4E 25”,其中“FE FF”表明是大頭方式存儲。

4)UTF-8:編碼是六個字節“EF BB BF E4 B8 A5”,前三個字節“EF BB BF”表示這是UTF-8編碼,后三個“E4B8A5”就是“嚴”的具體編碼,它的存儲順序與編碼順序是一致的。

9. 延伸閱讀

* The Absolute Minimum Every Software Developer Absolutely, Positively Must Know About Unicode and Character Sets(關于字符集的最基本知識)

* 談談Unicode編碼

* RFC3629:UTF-8, a transformation format of ISO 10646(如果實現UTF-8的規定)

青青草原综合久久大伊人导航_色综合久久天天综合_日日噜噜夜夜狠狠久久丁香五月_热久久这里只有精品
  • <ins id="pjuwb"></ins>
    <blockquote id="pjuwb"><pre id="pjuwb"></pre></blockquote>
    <noscript id="pjuwb"></noscript>
          <sup id="pjuwb"><pre id="pjuwb"></pre></sup>
            <dd id="pjuwb"></dd>
            <abbr id="pjuwb"></abbr>
            在线播放日韩专区| 欧美日韩国产色站一区二区三区| 国产老女人精品毛片久久| 亚洲自拍偷拍一区| 亚洲免费伊人电影在线观看av| 国产精品日韩电影| 久久精品国产久精国产一老狼| 欧美一区二区三区视频| 一区二区三区在线看| 欧美激情第4页| 欧美天堂亚洲电影院在线观看| 香蕉免费一区二区三区在线观看| 欧美在线免费| 日韩午夜电影在线观看| 亚洲图片在线| 亚洲高清视频在线| 一本一本久久a久久精品综合麻豆 一本一本久久a久久精品牛牛影视 | 欧美精品日本| 午夜精品一区二区三区在线视| 亚洲欧美视频| 一区二区三区四区五区精品| 亚洲少妇自拍| 国产一区二区在线观看免费| 亚洲第一网站免费视频| 欧美日韩在线观看一区二区三区| 欧美在线观看网址综合| 欧美承认网站| 欧美一区二区三区在线观看视频| 久久午夜激情| 午夜精品视频在线| 欧美福利电影网| 欧美伊久线香蕉线新在线| 蜜桃久久av一区| 久久国产福利| 欧美日韩亚洲一区二| 久久综合九色九九| 国产精品久久久亚洲一区| 欧美77777| 国产在线精品二区| 中文久久精品| 99在线|亚洲一区二区| 久久高清福利视频| 午夜亚洲伦理| 国产精品扒开腿爽爽爽视频| 欧美激情一区二区在线| 狠狠色综合一区二区| 亚洲天堂免费在线观看视频| 日韩午夜黄色| 欧美国产一区二区| 欧美二区在线| 亚洲第一视频| 久久久免费av| 久久亚洲精品一区| 国产综合欧美| 欧美在线免费| 久久久久久电影| 国产欧美三级| 亚洲欧美日韩国产综合精品二区| 亚洲无玛一区| 欧美色图天堂网| 99在线热播精品免费| 一级成人国产| 欧美色精品在线视频| 亚洲美女少妇无套啪啪呻吟| 99精品视频免费| 欧美精品在线播放| 亚洲精品一区久久久久久| 亚洲美女一区| 欧美日韩一区三区| 在线视频日韩| 久久国产高清| 影音先锋日韩精品| 农夫在线精品视频免费观看| 亚洲国产欧美日韩精品| 亚洲乱码国产乱码精品精天堂 | 久久综合久久88| 欧美激情亚洲一区| 亚洲免费观看高清完整版在线观看| 男男成人高潮片免费网站| 欧美国产视频日韩| 99热在这里有精品免费| 欧美日韩一二三四五区| 亚洲一区日韩在线| 久久综合狠狠| 一区二区三区鲁丝不卡| 亚洲国产精品123| 欧美久久久久久久久久| 一区二区三区免费网站| 久久成人综合网| 精品1区2区| 欧美精品久久久久久久久久| 一本到12不卡视频在线dvd | 国产欧美日韩综合一区在线观看| 久久精品国亚洲| 亚洲国产精品va在线看黑人动漫| 亚洲天堂av电影| 国产自产精品| 欧美日韩精品在线播放| 午夜精品免费在线| 亚洲黄色高清| 久久精品麻豆| 亚洲少妇一区| 在线观看亚洲a| 欧美性做爰毛片| 久久这里只有| 久久亚洲精品视频| 另类专区欧美制服同性| 国产精品视频福利| 亚洲色图自拍| 国产一区二区三区丝袜| 一本大道久久精品懂色aⅴ| 久久精品国产欧美亚洲人人爽| 亚洲黄页视频免费观看| 国产精品国产三级国产aⅴ入口| 久久久精品国产一区二区三区| 亚洲乱码视频| 免费久久99精品国产自在现线| 亚洲欧美激情在线视频| 91久久精品国产91久久| 狠狠色狠狠色综合人人| 国产精品欧美久久| 欧美日韩精品一区二区三区| 久久久中精品2020中文| 亚洲男人天堂2024| 亚洲精品老司机| 欧美国产视频在线观看| 久久香蕉精品| 久久久之久亚州精品露出| 午夜精品久久久久久久99热浪潮| 日韩午夜电影| 日韩网站在线观看| 亚洲理伦在线| 亚洲精选大片| 最新高清无码专区| 亚洲日本电影在线| 亚洲国产精品久久久久婷婷884| 国产一区二区三区四区hd| 国产精品多人| 国产精品xxx在线观看www| 欧美日韩国产综合在线| 欧美久久久久久久| 欧美日韩亚洲激情| 欧美精品在线网站| 欧美精品日韩一本| 欧美人与禽猛交乱配| 欧美另类在线播放| 欧美日韩国产综合视频在线观看中文| 欧美国产日韩一二三区| 欧美激情亚洲视频| 欧美欧美在线| 国产精品毛片在线看| 国产精品高清一区二区三区| 国产精品久久毛片a| 国产精品视频网站| 国产欧美在线观看| 一区一区视频| 亚洲激情啪啪| 亚洲视频axxx| 正在播放亚洲一区| 欧美日韩一区视频| 米奇777在线欧美播放| 久久成人一区| 欧美成人免费播放| 欧美日韩国产精品自在自线| 国产精品v日韩精品v欧美精品网站| 国产精品videossex久久发布| 国产精品日韩欧美一区二区三区| 国产日韩欧美在线播放| 激情一区二区三区| 亚洲精品视频一区| 亚洲尤物视频网| 久久riav二区三区| 欧美成人免费网站| 一区二区三区久久精品| 久久成人av少妇免费| 麻豆成人在线观看| 国产精品久久久久久久久动漫| 国产在线国偷精品产拍免费yy| 亚洲人成人一区二区三区| 先锋影音一区二区三区| 久久综合一区二区三区| 亚洲毛片在线| 久久精品国产一区二区三| 欧美精品二区| 国产精品一区亚洲| 最新国产乱人伦偷精品免费网站| 亚洲小说欧美另类社区| 欧美~级网站不卡| 亚洲欧美国产视频| 欧美噜噜久久久xxx| 国产亚洲成av人在线观看导航| 在线看日韩av| 久久精品91久久久久久再现| 欧美福利在线观看| 欧美伊人影院| 国产精品欧美在线| 中文亚洲字幕| 亚洲国产精品成人| 久久人体大胆视频| 国产一区二区三区久久悠悠色av |