常见字符集

数据在计算机中如何存储?

计算机中任意的数据都是以二进制进行存储的,一个二进制位也就是一个bit,但是1个bit能存储的信息太少了,所以就把8个bit分为一组,这样的一组称为一个字节,是计算机中最小的存储单元了。

ASCII

欧洲那边的字符很少,所以将用到的128个字符挨个进行编号,从0一直编到了127,这些编号又称为码点,为这些字符编好了码点之后,字符以及对应的码点称为字符集,也叫编码集。

什么是字符集?

总结来说就是给字符编个数字。

那么上面这一套字符集就称之为ASCII字符集。

编码:把要存储的数据变成真正能在内存中存储的数据。

那么ASCII字符集是如何将这些字符存入到计算机的底层中呢?或者说如何对字符进行编码?

常见的操作是对码点进行编码,编码规则就是直接将码点转换为二进制,由于是0~127,只有7个bit,是不够1个字节的,所以在高位的第8个bit上补个0。

所以ASCII字符集用1个字节存储字符。

GB2312

其中GB是国家标准的简称。

GBK

全称GuoBiaoKuozhan国标扩展。

简体中文版Windows默认使用的是GBK字符集。

注意:GBK是兼容了ASCII字符集的,比如字符a的码点还是97。

英文编码规则:用一个字节进行存储,不足8位时前面补0。

汉字编码规则:一个汉字使用2个字节进行存储。两个字节分为高位和低位,高位字节中的第一位一定是1,这是为了与英文区分开。

Unicode

万国码,因为每个国家都提出了自己国家的字符集,不兼容,所以由一个组织对全部国家的字符进行编码。

Unicode字符集有好几种编码规则,比如UTF-8、UTF-16、UTF-32等等。

UTF-8是一种字符集吗?

Unicode是字符集,而UTF-8是Unicode字符集的一种编码规则。

最早提出的UTF-32就是无论英文还是中文都是用4个字节表示一个字符,对于英文来说好像有点浪费啊,于是又提出了UTF-8编码规则。UTF-8使用1-4个字节编码。

英文1个字节,二进制第一位是0,转成十进制之后是整数。

中文3个字节,第一个字节以1110开头,转成十进制之后是负数,第二个和第三个都是以10开头。

解码的时候怎么知道什么时候读取一个字节,什么时候读取3个字节呢?

是根据上面的编码来看的,比如是中文时,读取到为1110,就知道要读取3个字节的数据。

乱码有两个原因:

①编码和解码的规则不一样。

②字节流一次读取一个字节,未读完整个汉字。

为什么使用IO流进行数据拷贝不会乱码?

因为直接读取字节到txt文本中,然后txt也能解码。

为了解决第二种,提出了字符流,即字节流+字符集。

而第一种需将编码和解码的规则设置为一样的。比如JavaWeb中使用GET方式请求数据时中文会乱码,是因为编码使用的是UTF-8,而解码则是Tomcat写死的ISO-189这个,需手动调整为UTF-8,具体则是先获取到字符流,再对字符流使用UTF-8进行解码。

相关推荐
狐凄38 分钟前
Python实例题:使用Pvthon3编写系列实用脚本
java·网络·python
Lxinccode3 小时前
Java查询数据库表信息导出Word-获取数据库实现[1]:KingbaseES
java·数据库·word·获取数据库信息·获取kingbasees信息
元亓亓亓3 小时前
Java后端开发day36--源码解析:HashMap
java·开发语言·数据结构
sd21315123 小时前
RabbitMQ 复习总结
java·rabbitmq
码银6 小时前
Java 集合:泛型、Set 集合及其实现类详解
java·开发语言
东阳马生架构6 小时前
Nacos简介—4.Nacos架构和原理
java
一只叫煤球的猫6 小时前
你真的会用 return 吗?—— 11个值得借鉴的 return 写法
java·后端·代码规范
颇有几分姿色7 小时前
Spring Boot 读取配置文件的几种方式
java·spring boot·后端
爱编程的鱼7 小时前
C# 枚举(Enum)声明与使用详解
java·windows·c#
人生导师yxc7 小时前
Spring MVC
java·spring·mvc