建站
咨詢
售后
建站咨詢
新聞中心
哈嘍，大家好，我是指北君。
成都創(chuàng)新互聯(lián)是一家集網(wǎng)站建設(shè),邱縣企業(yè)網(wǎng)站建設(shè),邱縣品牌網(wǎng)站建設(shè),網(wǎng)站定制,邱縣網(wǎng)站建設(shè)報價,網(wǎng)絡(luò)營銷,網(wǎng)絡(luò)優(yōu)化,邱縣網(wǎng)站推廣為一體的創(chuàng)新建站企業(yè)，幫助傳統(tǒng)企業(yè)提升企業(yè)形象加強企業(yè)競爭力。可充分滿足這一群體相比中小企業(yè)更為豐富、高端、多元的互聯(lián)網(wǎng)需求。同時我們時刻保持專業(yè)、時尚、前沿，時刻以成就客戶成長自我，堅持不斷學(xué)習(xí)、思考、沉淀、凈化自己，讓我們?yōu)楦嗟钠髽I(yè)打造出實用型網(wǎng)站。
最近看《狂飆》了吧，大嫂氣場十足！颯爽！
Unicode（統(tǒng)一碼、萬國碼、單一碼）是一種在計算機上使用的字符編碼。Unicode是為了解決傳統(tǒng)的字符編碼方案的局限而產(chǎn)生的，它為每種語言中的每個字符 設(shè)定了統(tǒng)一并且唯一的二進制編碼，以滿足跨語言、跨平臺進行文本轉(zhuǎn)換、處理的要求。
簡介
- 什么是字符集？
字符集當(dāng)然是字符的集合，那么字符呢？你看到這篇文章的每個字母、中文或標(biāo)點符號，就是一個個字符。
在計算器出現(xiàn)的早期，計算機僅支持的字符集為ASCII，其對應(yīng)的字符就能夠滿足當(dāng)時的使用需求，但隨著計算機的發(fā)展，在計算機上需要顯示的內(nèi)容越來越復(fù)雜， 各個國家不同廠商都有自己的實現(xiàn)標(biāo)準(zhǔn)，然而有沒有誰能夠兼容世界所有的文字，因此產(chǎn)生了各種字符集，比如ASCII、ISO-8859-1、GB2312、BIG5等等。
- 為什么要用字符編碼？
為了實現(xiàn)人和計算機間的交流，我們只認識字符，計算機只認識二進制數(shù)據(jù)，字符編碼即實現(xiàn)將字符轉(zhuǎn)換成機器碼進行存儲、使用的的一種技術(shù)手段。
Unicode是字符集，而不是編碼方式。
字符集
字母、文字、數(shù)字、標(biāo)點符號、圖形符號等字符的集合。表示了字符到二進制比特位的映射關(guān)系
ASCII
- 技術(shù)特征：7位（bits）表示一個字符，共128字符，字符值從0到127，其中32到126是可打印字符。
- 擴展字符集：7位編碼的字符集只能支持128個字符，為了表示更多的歐洲常用字符對ASCII進行了擴展，ASCII擴展字符集使用8位（bits）表示一個字符，共256字符。ASCII擴展字符集：它是從ASCII字符集擴充出來的，擴充后的符號增加了表格符號、計算符號、希臘字母和特殊的拉丁符號。
GB2312
- GB2312是中國國家標(biāo)準(zhǔn)的簡體中文字符集。它所收錄的漢字已經(jīng)覆蓋99.75%的使用頻率，基本滿足了漢字的計算機處理需要。在中國大陸和新加坡獲廣泛使用。
- 技術(shù)特征（1）分區(qū)表示：GB2312中對所收漢字進行了“分區(qū)”處理，每區(qū)含有94個漢字/符號。這種表示方式也稱為區(qū)位碼。各區(qū)包含的字符如下：01-09區(qū)為特殊符號；16-55區(qū)為一級漢字，按拼音排序；56-87區(qū)為二級漢字，按部首/筆畫排序；10-15區(qū)及88-94區(qū)則未有編碼。（2）雙字節(jié)表示 兩個字節(jié)中前面的字節(jié)為第一字節(jié)，后面的字節(jié)為第二字節(jié)。習(xí)慣上稱第一字節(jié)為“高字節(jié)” ，而稱第二字節(jié)為“低字節(jié)”?！案呶蛔止?jié)”使用了0xA1-0xF7(把01-87區(qū)的區(qū)號加上0xA0)，“低位字節(jié)”使用了0xA1-0xFE(把01-94加上0xA0)。
- UnicodeUnicode是一種在計算機上使用的字符編碼。它為每種語言中的每個字符設(shè)定了統(tǒng)一并且唯一的二進制編碼，以滿足跨語言、跨平臺進行文本轉(zhuǎn)換、處理的要求。Unicode 標(biāo)準(zhǔn)始終使用十六進制數(shù)字，而且在書寫時在前面加上前綴“U+”，例如字母“A”的編碼為 0x0041 和字符“€”的編碼為 0x20AC，所以“A”、“€”的編碼書寫為“U+0041”、“U+20AC”。
字符集編碼
字符對應(yīng)二進制字節(jié)表示后的編碼規(guī)則以及存儲形式。
- ASCII
- GB2312
- UTF-8
ASCII、GB2312 是字符集也是字符編碼
unicode
- 5層模型
Unicode編碼模型包含五層：
|
層次 |
名稱 |
作用 |
結(jié)果 |
描述 |
|
1 |
抽象字符表ACR |
字符范圍 | ||
|
2 |
編號字符集CSS |
字符編號 |
unicode字符集 | |
|
3 |
字符編碼方式CEF |
碼元序列 |
UTF-8、UTF-16、UTF-32 | |
|
4 |
字符編碼方案CES |
物理編碼 |
字節(jié)序列 | |
|
5 |
傳輸編碼語法TES |
網(wǎng)絡(luò)傳輸編碼 |
base64 |
- Unicode字符集被劃分基本多文種平面、輔助平面，共17個平面(或17個區(qū)，編號為 0-16 )，每個平面有 216即65536個碼點， 共65536*17=1,114,112個碼點
- 碼點空間范圍為U+000000 ~ U+10FFFF。
- 每個碼點對應(yīng)一個字符（有些屬于非字符或被保留碼點），但是一個字符可能有多個碼點（比如?）
- unicode編碼有UTF8、UTF16、UTF32，分別最少需要1、2、4個字節(jié)來存儲一個字符編碼
unicode是字符的表現(xiàn)形式，而utf8是字符的存儲形式，或者說是存儲實現(xiàn)
unicode和utf8
下面是unicode與unf8的映射表，我們通過字符的unicode碼點（對應(yīng)的16進制編碼）可以找到對應(yīng)的utf-8格式并進行編碼轉(zhuǎn)換最終實現(xiàn)物理存儲。
|
unicode |
utf-8 |
|
000000-00007F |
0xxxxxxx |
|
000080-0007FF |
110xxxxx 10xxxxxx |
|
000800-00FFFF |
1110xxxx 10xxxxxx 10xxxxxx |
|
010000-10FFFF |
11110xxx 10xxxxxx 10xxxxxx 10xxxxxx |
那么unicode字符如何轉(zhuǎn)換成utf8編碼呢？
- 比如“我”對應(yīng)unicode為 \u6211，可以通過該網(wǎng)站查詢到
- 轉(zhuǎn)換為二進制后：01100010 00010001
- 根據(jù)上表的取值范圍可以確定為：000800-00FFFF - 1110xxxx 10xxxxxx 10xxxxxx
- 通過轉(zhuǎn)換后結(jié)果為：11100110 10001000 10010001
- 轉(zhuǎn)換為16進制為：E6 88 91，可以通過UE這樣的編輯工具，切換成16進制模式，可以看到“我”轉(zhuǎn)換后的編碼也是這個
有沒想過，像GBK為什么既可以是字符集又可以是字符編碼？其實將字符映射成對應(yīng)的二進制數(shù)據(jù)時，我們是可以將其直接存儲到計算機，但unicode作為統(tǒng)一碼，基本攘括了目前常用的所有的字符，而這些字符不是都由兩個字節(jié)組成，比如前面說的?，那么如何確定一個字符到此從哪個字節(jié)開始呢？這里引用utf編碼就是為了實現(xiàn)這個，不僅減少了字符空間占比，同時提高了字符編碼效率。
BOM
BOM 是 Byte Order Mark 的縮寫。是UTF編碼方案里用于標(biāo)識編碼的標(biāo)準(zhǔn)標(biāo)記，在UTF-16里本來是FF FE，變成UTF-8就成了EF BB BF。這個標(biāo)記是可選的， 因為UTF8字節(jié)沒有順序，所以它可以被用來檢測一個字節(jié)流是否是UTF-8編碼的。
Java中的unicode
在java中，我們通過\u開頭來表示unicode編碼，比如上面的\u6211，則表示的是“我”。
看下面這段代碼，你覺得會輸出什么？
public static void main(String[] args) throws IOException {
//
// \u000d System.out.println("Hello World");
}當(dāng)然是“Hello World”了，不要覺得//后面的代碼全部會被解析為注釋，前提是沒有換行符，然而\u000d恰好會被解釋為換行符，這樣其后面的代碼會作為新的一行進行解析， 這也是為什么會有這樣的輸出結(jié)果了
通過下面的命令可以對java源文件進行編譯：
javac ./Main.java -encoding utf-8
window環(huán)境默認編碼為gbk
要知道java作為一門高級靜態(tài)語言，需要通過編譯后才能交由JVM加載使用的，在java文件編譯前還會經(jīng)歷對源代碼進行詞法分析、語法分析、語義分析等等，最后生成class文件后，才能被JVM加載。而源文件中\(zhòng)u開頭的字符則是在這個過程中被解析并處理的。
結(jié)束語
unicode作為世界統(tǒng)一編碼，經(jīng)歷了很多變革，該篇主要通過unicode讓你對字符集以及字符編碼有一個簡單的認識。
新聞名稱：大嫂說，有你靠的（Unicode）
地址分享：http://www.5511xx.com/article/cddehhs.html
