乱码的情况和字符串的说明 ASCII码 UTF"/>
Java 乱码的情况和字符串的说明 ASCII码 UTF
目录
- ASCII码
- Unicode编码
- UTF-8
ASCII码
- 在计算机内部,所有数据都是用二进制表示,每一个二进制位(bit)有0和1两种状态,因此8个二进制就可以组合出256种状态,这被称为一个字节(byte)。一个字节一共可以来表示256种不同的状态,每一个状态对应一个符号,就是256个符号,从0000000到11111111.
- ASCII码:上个世界60年代,美国制定了一套字符编码,对英语字符与二进制位之间的关系,做了统一制定。这被称为ASCII码。ASCII码一共规定了128个字符的编码,比如空格“SPACE”是32(二进制00100000),大写的字母A是65(二进制01000001)。这128个符号(包括32个不能打印出来的控制符号),只占用了一个字节的后面7位,最前面的1位统一规定为0。
- 缺点:①不能表示所有字符;②相同的编码表示的字符不一样
Unicode编码
- 乱码:世界上存在着多种编码方式,同一个二进制数字可以被解释乘不同的符号。因此,要想打开一个文本文件,就必须知道他的编码方式,否则用错误的编码方式解读,就会出现乱码。
- Unicode:一种编码,将世界上所有的符号都纳入其中。每一种符号都给予一个独一无二的编码,使用Unicode没有乱码的问题。
- Unicode的缺点:Unicode只限定了符号的二进制代码,却没有规定合格二进制代码应该如何存储;无法却别Unicode和ASCII;计算机无法区分三个字节表示一个符号还是分别表示三个符号。另外,我们知道,英文字母只用一个字节表示就够了,如果Unicode统一规定,每个符号用三个或者四个字节表示,name每个英文字母都必然有2到3个字节是0,这对于存储空间来说是极大的浪费。
UTF-8
- UTF-8是互联网上使用最广的一种Unicode的实现方式。
- UTF-8是一种变长的编码方式。它可以使用1-6个字节表示一个符号,根据不同的符号二变化字节长度。
- UTF-8的编码规则:
①对于单字节的UTF-8编码,该字节的最高位是0,其余7位用来对字符进行编码(等同于ASCII码)
②对于多字节的UTF-8编码,如果编码包含n和字节,name第一个字节的前n位为1,第一个字节的第n+1位为0,该字节的剩余各位用来对字符进行编码,在第一个字节之后的所有的字节,都是最高两位为“10”,其余6位用来对字符进行编码。
更多推荐
Java 乱码的情况和字符串的说明 ASCII码 UTF
发布评论