目录
- ASCII码:一共规定了128个字符,用1个字节(8位)来表示,最前1位是0没用上:0100 0001表示A;
- Unicode:在ASCII码的基础上扩展,Unicode 只是一个符号集,它只规定了符号的二进制代码,却没有规定这个二进制代码应该如何存储(实现),对于英语字母,UTF-8 编码和 ASCII 码是相同的,Unicode 有多种存储方式;
- UTF-8:UTF-8 是 Unicode 的实现方式之一,UTF-8 就是在互联网上使用最广的一种 Unicode 的实现方式,它是一种变长的编码方式。它可以使用1~4个字节表示一个符号,根据不同的符号而变化字节长度。UTF-8 的编码规则很简单,只有二条:
- 对于单字节的符号,字节的第一位设为0,后面7位为这个符号的 Unicode 码。因此对于英语字母,UTF-8 编码和 ASCII 码是相同的。
- 对于n字节的符号(n > 1),第一个字节的前n位都设为1,第n + 1位设为0,后面字节的前两位一律设为10。剩下的没有提及的二进制位,全部为这个符号
- Unicode编码用UTF-8存储的对照表:
序号 | Unicode编码(16进制) | UTF-8 字节流(二进制) |
---|---|---|
1 | 0000 0000-0000 007F | 0xxxxxxx |
2 | 0000 0080-0000 07FF | 110xxxxx 10xxxxxx |
3 | 0000 0800-0000 FFFF | 1110xxxx 10xxxxxx 10xxxxxx |
4 | 0001 0000-0010 FFFF | 1110xxxx 10xxxxxx 10xxxxxx 10xxxxxx |
按上表规则:万字的Unicode编码是:U+4E07,二进制:0100 1110 0000 0111,UTF-8应该几个字节存储呢,根据上表4E07在范围序号3,也就是用3个字节存储,把万字的二进制拆分,填充x: | ||
万Unicode编码 | U+4E07 | |
---- | ---- | |
Unicode编码二进制: | 0100 1110 0000 0111 | |
对应模板(3字节) | 1110xxxx 10xxxxxx 10xxxxxx | |
填充x后UTF-8二进制 | 11100100 10111000 10000111 | |
转为16进制 | E4B887 | |
用notepad和notepad++验证结果,打开 记事本notepad,输入万字,另存编码为:UTF-8,再用notepad++打开,选中文字——插件——Converter——ASCII->HEX | ||