字符集編碼---1 基本概念

    「給定一個字符，對應各類字符集編碼後的二進制形式究竟是什麼樣子？」，對於這個問題，我本身也不甚清楚。並且平常工做中，每次遇到這個問題都是靠一款叫作 CodeView 的工具解決。因此接下來不涉及具體的編碼過程，只對基本概念、各平臺下的字符集轉換作介紹。

    本文爲第一部分，對經常使用字符集編碼作概念性介紹。如下是查閱維基百科和牛人博客後，我本身的一種理解，並不必定十分準確。首先，要來理解兩個概念：

 

    字符集：

         字符與二進制碼一一對應的集合。

 

    字符編碼：

         存儲和解析字符集中的二進制碼。而不一樣字符集收錄的字符數目不一樣，規模不一樣，因此不一樣字符集的編碼規則是不一樣的，但同一字符集的編碼規則是相同的。因此不少時候，字符集定下來，其編碼規則也就定下來。

    

    接下來就介紹幾種經常使用的字符集（編碼）

    EBCDIC(Extended Binary Coded Decimal Interchange Code)：

　　　　擴增二進式十進交換碼，IBM指定的一個字符編碼表，在AS/400等系統上使用，平時幾乎不太能見到。

 

    ACSII：

　　　　包含英文字母在內的128個常見字符集，因此每一個字符的編碼長度爲：1 字節。

 

    Unicode：

　　　　統一碼，幾乎涵蓋世上全部的符號。只定義了字符與二進制碼的對應關係，未定義二進制碼的存儲、解析規則。

            UTF-8(8-bit Unicode Transformation Format)：針對Unicode的可變長字符編碼。每一個字符的編碼長度爲：1 ～ 6 字節。

　　　　UTF-16：也是一種針對Unicode的可變長字符編碼。每一個字符的編碼長度爲：2 ～ 4 字節。

 

    GBK：

　　　　漢字內碼擴展規範，是對GB2312(即CP936)的擴展，收錄了漢字及圖形符號。通常不特殊說明，GB23十二、CP93六、GBK都指的是GBK。

            每一個字符的編碼長度爲： 1 ～ 2 字節。

 

   根據上面介紹，有些時候須要用多個字節來表示一個字符，那麼就要關注一下內存的存儲方式啦。

 

   LE(Little Endian):

　　小字端存儲，低位數字在前，放在低位。如，十六進制0x1234，存儲後爲：0x34 0x12

 

   BE(Big Endian):

　　大字端存儲，高位數字在前，放在低位。如，十六進制0x1234，存儲後爲：0x12 0x34

 

參考連接：

字符編碼筆記：ACSII，Unicode和UTF-8 (其實基本就是這篇的閱讀筆記)

ACSII

Unicode / UTF-8 / UTF-16

GB 2312 / GBK

EBCDIC