建站
咨詢(xún)
售后
建站咨詢(xún)
新聞中心
本文通過(guò)介紹Unicode編碼以及對(duì)應(yīng)的兩種編碼方式UTF-8和UTF-16，讓讀者能夠了解關(guān)于字符串編碼的相關(guān)知識(shí)，同時(shí)能夠弄清楚Unicode和UTF-8和UTF-16之間的關(guān)系。
新洲網(wǎng)站建設(shè)公司創(chuàng)新互聯(lián)建站,新洲網(wǎng)站設(shè)計(jì)制作，有大型網(wǎng)站制作公司豐富經(jīng)驗(yàn)。已為新洲數(shù)千家提供企業(yè)網(wǎng)站建設(shè)服務(wù)。企業(yè)網(wǎng)站搭建\成都外貿(mào)網(wǎng)站建設(shè)公司要多少錢(qián)，請(qǐng)找那個(gè)售后服務(wù)好的新洲做網(wǎng)站的公司定做！
ASCII 碼
什么是 ASCII 碼？
ASCII 碼（American Standard Code for Information Interchange）稱(chēng)為美國(guó)標(biāo)準(zhǔn)信息交換碼。它是基于拉丁字母的一套電腦編碼系統(tǒng)。它定義了一個(gè)用于代表常見(jiàn)字符的字典。
ASCII 碼都包含哪些字符？
包括 “A-Z”(大小寫(xiě)都包含)，數(shù)據(jù)”0-9” 以及一些常見(jiàn)的符號(hào)。
ASCII 碼的局限在哪里？
ASCII 當(dāng)初只是為美國(guó)英語(yǔ)而設(shè)計(jì)的，只能顯示 128 個(gè)編碼，對(duì)其他的語(yǔ)言無(wú)能為力。要想顯示其他語(yǔ)言的編碼，還是要使用 unicode。
Unicode
什么是 Unicode ?
為了將全世界的文字都統(tǒng)一的記錄下來(lái)，并將每個(gè)字符都用唯一的數(shù)字記錄下來(lái)，于是就產(chǎn)生了Unicode。
Unicode 也稱(chēng)為 UCS(Universal Coded Character Set:國(guó)際編碼字符集合) 是一個(gè)字符集合，對(duì)世界上大部分的文字系統(tǒng)進(jìn)行了整理，編碼，使電腦可以用更為簡(jiǎn)單的方式來(lái)呈現(xiàn)和處理文字。最新的版本 Unicode 11.0 已經(jīng)包含了 137439 個(gè)字符。
Unicode 的數(shù)量之多，如果完全涵蓋它， 需要用 4 個(gè)字節(jié)來(lái)表示，但是計(jì)算機(jī)存儲(chǔ)過(guò)程中卻不是必須都用 4 個(gè)字節(jié)來(lái)完成。對(duì)于有些字符，尤其是編碼在前面的字符我們也可以通過(guò) 1 個(gè)或 兩個(gè)字節(jié)來(lái)節(jié)省空間。這就涉及到了 unicode 的實(shí)現(xiàn)方式。
Unicode 的實(shí)現(xiàn)方式有幾種？
Unicode 只是一個(gè)字符集合，每個(gè)字符用一個(gè)數(shù)字來(lái)表示，但是這些數(shù)字在計(jì)算機(jī)內(nèi)采用什么方式來(lái)存儲(chǔ)，是全部都是 4 個(gè)字節(jié)，還是 1 到 4 個(gè)字節(jié)不等，這就涉及到了字符編碼的概念。
我們說(shuō) Unicode 有幾種實(shí)現(xiàn)方式，也就是在問(wèn) Unicode 有幾種編碼方式？
Unicode 常用的編碼方式有 UTF-8, UCS-2, UTF-16 三種，另外還有一種 UTF-32 雖然不太常用也需要提一下。
Unicode 的體系結(jié)構(gòu)是什么樣的？
Unicode 既然能夠存儲(chǔ)那么多的字符，肯定是有它的存儲(chǔ)規(guī)則的，如果使用 16 進(jìn)制存儲(chǔ)，它的存儲(chǔ)范圍是多少到多少，是否都是直筒式的，從低到高排就可以了？也就是說(shuō) Unicode 的體系結(jié)構(gòu)是怎么樣的。
Unicode 當(dāng)前定義其字符的存儲(chǔ)范圍是： 0hex 到 10FFFFhex ，共分為 17 個(gè)區(qū)段，可以存儲(chǔ) 1,114,112 個(gè)字符，這對(duì)當(dāng)前 (137439) 來(lái)說(shuō)遠(yuǎn)遠(yuǎn)足夠了。
其中區(qū)段為 0hex 到 FFFFhex 稱(chēng)為 基本多文種平面 BMP (Basic Multilingual Plane)，在這個(gè)平面中的字符表現(xiàn)形式是 U+ 后面跟 16 進(jìn)制數(shù)。例如 X 字符的 unicode 是 U+0058。
而超出 BMP 范圍的，也就是 10000hex–10FFFFhex 這 16 個(gè)區(qū)段，需要用到 5 到 6 位來(lái)表示，如 U+E0001 和 U+10FFFD。
UTF-8 編碼
UTF-8 是使用互聯(lián)網(wǎng)上使用最廣泛的 unicode 編碼方式，目前已經(jīng)占有整個(gè)互聯(lián)網(wǎng) 92% 的份額。這里再?gòu)?qiáng)調(diào)下 UTF-8 只是 Unicode 的一種實(shí)現(xiàn)方式，UTF-8 是編碼方式，而 Unicode 是字符集合
它是可變長(zhǎng)的編碼方式，長(zhǎng)度從 1 個(gè)字節(jié)到 4 個(gè)字節(jié)不等。
它能夠完全兼容 ASCII 碼，我們知道 ASCII 碼 是由 128 個(gè)字符組成的，而 Unicode 中的前 128 個(gè)字符和 ASCII 碼都是一一對(duì)應(yīng)的。
UCS-2 編碼
UCS-2 只使用了兩個(gè)字節(jié)(16 bit) 來(lái)表示字符，也就是說(shuō)只能表示 65536 個(gè)字符，它只能表示 BMP 中的字符。
當(dāng)前的 unicode 字符數(shù)量已遠(yuǎn)遠(yuǎn)超過(guò)了 UCS-2 的數(shù)量，因此 UCS-2 雖然還在被好多軟件使用，但它已經(jīng)過(guò)期了。
正因?yàn)?UCS-2 編碼依然被許多軟件使用，為了能夠表示出 BMP 以外的平面內(nèi)的字符，就產(chǎn)生了一種新的編碼 UTF-16 編碼。
UTF-16 編碼
UTF-16 就是為了解決 UCS-2 編碼的問(wèn)題而生的，它擴(kuò)展自 UCS-2
基本多文種平面中，與 UCS-2 編碼完全一致，使用兩個(gè)字節(jié)表示
U+010000 到 U+10FFFF 范圍 使用 4 個(gè)字節(jié)表示
UTF-16 編碼的市場(chǎng)份額和 UTF-8 比很小， 在web 頁(yè)面中只占 0.01% 。而且主要在 windows 系統(tǒng)中使用， Unix/Linux 以及 MacOS 中很少使用。
UTF-32 編碼
UTF-32 對(duì) Unicode 中的每個(gè)字符都用 4 個(gè)字節(jié)來(lái)表示,占用的空間比其他編碼要多的多，也正是這個(gè)原因，人們才用的很少。
小結(jié)
既然看到了這里，您一定對(duì) unicode 有了一些認(rèn)識(shí)吧，請(qǐng)?jiān)賮?lái)回顧下 Unicode 的思維導(dǎo)圖，加深下理解。
帶你了解 Unicode和UTF-8編碼知識(shí)帶你了解 Unicode和UTF-8編碼知識(shí)
下面來(lái)總結(jié)下重點(diǎn)：
ASCII 碼只能表示 128 個(gè)字符，只是針對(duì)美國(guó)英語(yǔ)而設(shè)計(jì)的， 為了表示其他語(yǔ)言的字符，于是就有了 Unicode
Unicode 只是一個(gè)字符集，里面收集了全世界絕大部分語(yǔ)言的字符。它有多種實(shí)現(xiàn)方式（編碼方式），最常用的就是 UTF-8
UTF-8 編碼是變長(zhǎng)字節(jié)的，1 到 4 個(gè)字節(jié)不等，并且它能夠完全兼容 ASCII 碼
本文標(biāo)題：詳解Unicode和UTF-8編碼
文章地址：http://www.5511xx.com/article/djchpee.html
