字符编码总结

发表于 | 分类于

字符编码总结

1.注意位与字节的区别

  • 位是计算机存储的最小单位，外文名称是bit，音译比特，1bit；

  • 字节是计算机存储的第二小单位，英文名称是byte；

  • 字节与位的换算方式：1byte = 8bits，即一字节等于8比特。在计算机中一般int类型有4个字节，所以Int类型有32位（对于有符号类型最高位表示符号位0表示正数1表示负数，表示范围是-2^31^ 至2^31^-1，对于无符号unsigned int表示范围为0至2^32^-1）。

  • 对于int类型有符号的，0000 0000 0000 0000 0000 0000 0000 0000注意位数是从0位开始的，int类型最大可以表示的正整数是2^31^-1；下面看一下负数的表示，==值得注意的是数据在计算机中是用补码形式存储的（正数的原码和补码一样，负数的补码是反码求反加一并且符号位不能变，反码是数据位求反符号位不变）==；那么，我们这样来算

    原码：1111 1111 1111 1111 1111 1111 1111 1111（-2^31^ +1 = -2147483647）==这难道就是最小负数？？？==肯定不是的，我们注意到：

    • +0的原码：0000 0000 0000 0000 0000 0000 0000 0000

    • -0的原码：1000 0000 0000 0000 0000 0000 0000 0000

    为了节约存储，我们把-0最为int类型最小负数，即-2^31^ = -2147483648。所以对于int类型最大为2^31^-1 = 2147483647，最小为-2^31^ = -2147483648。对于无符号型int来说最大为2^32^-1，最小为0

2.了解ASCLL编码、GB2312编码(中文)、unicode编码和UTF-8编码

  • ==ASCLL编码：==由于计算机是美国人发明的，因此，最早只有127个字符被编码到计算机里，比如大写字母A的编码是65，小写字母z的编码是122。
  • ==GB2312编码(中文)：==处理中文一个字节是不够的(2^8^-1=255)，至少要两个字节（2^16^-1 = 65535个汉字差不多）。
  • ==unicode编码：==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。
  • ==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。