首页 > 其他分享 >文字的编码方式————不同UTF之间的区别

文字的编码方式————不同UTF之间的区别

时间:2024-09-21 11:49:42浏览次数:12  
标签:文字 字符 UTF 字节 16 表示 编码方式 ASCII

1. 编码与字体

        对于同一个字符,在文件中保存的是他的编码值,这些文字什么形态,是由字符文件决定的。编码值和字体是两个不一样的东西,例如B的编码值是0x42,但是在屏幕上显示出来时,可以有不同形状,如繁体字与简体中文的区别。

        什么叫编码?就是一个字符用什么数字来表示。在计算机里一切都是用数字来表示,比如字符 A,用 0x41表示,当我们打开文件,发现里面含有数值0x41,你就知道了这是一个字符A。
        一个字符用哪个数值来表示,有很多标准,常用的有三个ASCII、ANSI、UNICODE。

        A. ASCII(American Standard Code for Information Interchange)

               ASCII是由西方发明的,表示常用字符,字母区分大小写,加上标点符号不超过127个,每个字符用一个字节表示足够了。一个字节的7位就可以表示128个字符,所以在ASCII码中最高位永远是0。具体字符与数值的对应关系可以参考ASCII_百度百科

       B. ANSI

             ASNI 是 ASCII 的扩展,向下包含 ASCII。对于 ASCII 字符仍以一个字节来表示,对于非 ASCII 字符则使用 2 字节来表示。并没有固定的 ASNI 编码,它跟“本地化”(locale)密切相关。比如在中国大陆地区, ANSI 的默认编码是 GB2312;在港澳台地区默认编码是 BIG5。对于不同国家,它们默认的ANSI 编码各不相同,所以同一个 TXT 文件在不同国家就很有可能出现乱码。根本的原理在于没有“统一的编码”,那解决方法自然就是使用“统一的编码”: UNICODE。


       C. UNICODE

                     对于英文来讲,ASCII码就足以编码所有字符,但对于中文,则必须使用两个字节来代表一个汉字,这种表示汉字的方式习惯上称为双字节。虽然双字节可以解决中英文字符混合使用的情况,但对于不同字符系统而言,就要经过字符码转换,非常麻烦,如中英、中日、日韩混合的情况。为解决这一问题,很多公司联合起来制定了一套可以适用于全世界所有国家的字符码,不管是东方文字还是西方文字,一律用两个字节来表示,这就是UNICODE。

2 . UNICODE 编码实现

        编码实现就是如何将字符准确表示出来,比如“中”在UNICODE中对应的是0x4e2d,如果直接使用0x4e2d是不行的,但是如果使用两字节”0x4e 0x2d“表示又对应上了ASCII中的字符“-N”。所以,用数值表示字符需要定一套技巧。

         在ASCII和ANSI编码中,表示字符非常简单,ASCII中使用一个字节来表示一个字符;ANSI中对于ASCII中存在的仍然使用一个字节表示,非ASCII字符的使用两个字节表示。对于UNICODE的表示就有点复杂了,如果与ASCII和ANSI一样直接表示,这样会太浪费了。UNICODE 编码的实现主要有三种形式,分别是 UTF-8、UTF-16 和 UTF-32。这三种编码方式各有特点,适用于不同的场景。

        (1)UTF-16

        适用场景:在一些操作系统和编程语言中广泛使用,如Java和Windows系统中的内部字符串处理。

        UTF-16又分为两种,一种是UTF-16 LE,另一种是UTF-16 BE。对于BMP(基本多文种平面)内的字符,他们都用两个字符表示,但是又存在不同。

                a. UTF-16 LE

       UTF-16 LE又称UCS-2 Little endian,Little endian 表示小字节序,数值中权重低的字节放在前面,比如字符“K 华”在 TXT 文件中的数值如下,其中的“ K”使用“0x4B 0x00”两字节表示;“华”使用“0x4e 0x53”两字节表示。文件开头的“ 0xff 0xfe”表示“UTF-16 LE”。

a9d369fe5dc54aa49d634c1085d10084.png

                b. UTF-16 BE

       UTF-16 BE又称UCS-2 Big endian,Big endian 表示大字节序,数值中权重低的字节放在后面,比如字符“ K华”在 TXT 文件中的数值如下,其中的“ K”使用“ 0x00 0x4b”两字节表示;“华”使用“ 0x53 0x4e”两字节表示。文件开头的“ 0xfe 0xff”表示“UTF-16 BE”,此处小编不知道怎么使用Ultra Edit打开带BOM的UTF-16 BE,所以图片没有显示“ 0xfe 0xff”,有知道方法的评论区指导一下。

8890dac579a1435c9f840a6ad7c887cd.png

        (2)UTF-8 

                适用场景:因其高效性和广泛的兼容性,UTF-8 成为了互联网上最常用的文本编码方式。

                UTF-16 LE/UTF-16 BE缺点:

  •                         表示的字符数量有限
  •                         对于 ASCII 字符有空间浪费
  •                         如果文件中有某个字节丢失,这会使得后面所有字符都因为错位而无法显示

              使用 UTF8 可以解决上述所有问题。 UTF8 是变长的编码方法,有 2 种 UTF8格式的文件:带有头部、不带头部。带头部的会多出三个字节“0xef 0xbb 0xbf”。小编展示的是不带头部的。

bf3a559748b34b93994d514f08b21588.png

         对于其中的 ASCII 字符,在 UTF8 文件中直接用其 ASCII 码来表示,比如上图中的“ 0x4b”表示字符“K”。上图中的 3 个字节“ 0xe5 0x8D 0x8E”表示的数值是0x53 0x4e,对应“中”的UNICODE 码。

7ddcabc8ca004607b3495de76b97b7a0.png

    上图中, 0xe5 的二进制是“ 11100101”,高位有 3 个 1,表示从当前字节起有 3 字节参与表示 UNICODE;
    0x8d 的二进制是“101001101”,高位有 1 个 1,表示从当前字节起有 1 字节参与表示 UNICODE;
     0x8e 的二进制是“10001110”,高位有 1 个 1,表示从当前字节起有 1 字节参与表示 UNICODE;
     除去高位的“ 1110”、“ 10”、“ 10”后,剩下的二进制数组合起来得到“0101 0011 0100 1110”,它就是 0x53 0x4e,即“华”的 UNICODE 值。
     使用 UTF8 编码时,即使 TXT 文件中丢失了某些数据,也只会影响到当前字符的显示,后面的字符不受影响。


                 (3)UTF-32

                        适用场景:主要用于内存中的字符串处理,尤其是在需要快速访问单个字符的场合。          

                        每个字符固定使用4个字节来表示。虽然简单直接,但由于每个字符占用的空间较大,因此在存储效率上不如UTF-8和UTF-16。

 

 

标签:文字,字符,UTF,字节,16,表示,编码方式,ASCII
From: https://blog.csdn.net/2203_75769742/article/details/142411635

相关文章

  • 帝国cms编辑 帝国cms编辑器不能粘贴复制文字
    当帝国CMS的编辑器不能粘贴复制文字时,可能是因为编辑器的某些设置或浏览器的限制导致的。以下是一些可能的解决方案:1.检查编辑器设置确保编辑器的设置允许粘贴和复制。解决方法:查看编辑器选项:在帝国CMS的后台,检查编辑器的设置,确保允许粘贴和复制操作。使用粘贴按钮:有些编辑......
  • MySQL 中的 UTF-8 与 UTF8MB4:差异解析
    在MySQL数据库中,字符集的选择对于数据的存储和处理至关重要。其中,UTF-8和UTF8MB4是两个常见的字符集选项。那么,它们之间到底有什么区别呢?一、字符集简介UTF-8UTF-8(8-bitUnicodeTransformationFormat)是一种可变长度的字符编码方式,可以表示世界上几乎所有的字符。它使......
  • 如何让文案更具说服力?一步步仿写董宇辉文案,让你的文字更有力量!
    如何让文案更具说服力?一步步仿写董宇辉文案,让你的文字更有力量!前言继大小杨之后,董宇辉卖月饼也翻车了?在直播的江湖里,有这样一个传说,一位名叫董宇辉的主播,用他的才华和魅力,点燃了无数粉丝的心。但就在不久前,一场突如其来的事件,让他的形象和事业都面临着前所未有的考验。在这个......
  • Hadoop(十九)MapReduce OutputFormat 数据压缩
    OutputFormatOutputFormat是MapReduce输出的基类,所有实现MapReduce输出都实现了OutputFormat接口几种常见的OutputFormat实现类:NullOutputFormat、MapFileOutputFormat、TextOutputFormat等自定义OutputFormat应用场景:输出数据到MySQL/HBase/Elasticsearch等存储框架中步......
  • Hadoop(十七)MapReduce 切片机制 InputFormat
    切片与MapTask并行度决定机制MapTask的并行度决定Map阶段的任务处理并发度,进而影响到整个Job的处理速度数据块:Block是HDFS物理上把数据分成一块一块,数据块是HDFS存储数据单位数据切片:数据切片只是在逻辑上对输入进行分片,并不会在磁盘上将其切分成片进行存储,数据切片是MapReduc......
  • c++中utf8字符串和gbk字符串的转换
    这个功能C++语言本身似乎没有标准实现,需要借助于第三方库或者操作系统API。不得不吐槽一下这么重要的功能居然还没有办法依赖C++语言本身来实现,C++标准委员会真是不干人事啊。那就不废话了,直接给出windows下的实现。std::stringUtf8ToGbk(conststd::string&utf8Str){//St......
  • ASCII字符和中文字符的显示
    目录前言ASCII字符的点阵显示获取点阵描点main中文字符的点阵显示指定编码格式汉字区位码汉字点阵显示实验打开汉字库文件编写显示汉字的函数使用lcd_put_chinese函数前言        板子为韦东山老师的imx6ull板,要在LCD上实现字符的显示,要先实现我之前......
  • 探索鸿蒙应用开发中的沉浸式模式与安全区域文字颜色
    在鸿蒙应用开发中,实现沉浸式显示模式与改变安全区域文字颜色可以为用户带来更加流畅和美观的视觉体验,本文将详细介绍如何在鸿蒙应用中实现特定页面的沉浸式显示,以及在这个过程中遇到的问题和解决方案。效果展示开启沉浸式模式关闭沉浸式模式改变安全区域文字颜色一、......
  • 【生日视频制作】奔驰梅赛德斯大奔提车交车仪式感视频拍照AE模板修改文字软件一键生成
    生日视频制作教程奔驰梅赛德斯大奔提车交车仪式感视频拍照AE模板修改文字特效广告生成神器素材祝福玩法AE模板工程AE模板套用改图文教程↓↓:怎么如何做的【生日视频制作】奔驰梅赛德斯大奔提车交车仪式感视频拍照AE模板修改文字软件一键生成器教程特效素材【AE模板】......
  • 【生日视频制作】劳斯莱斯提车交车仪式感视频拍照AE模板修改文字软件一键生成器教程特
    生日视频制作教程劳斯莱斯提车交车仪式感视频拍照AE模板修改文字特效广告生成神器素材祝福玩法AE模板工程怎么如何做的【生日视频制作】劳斯莱斯提车交车仪式感视频拍照AE模板修改文字软件一键生成器教程特效素材【AE模板】生日视频制作步骤:下载AE模板安装AE软件......