汉字编码方式（编码方式）

大家好,小讯来为大家解答以上的问题。汉字编码方式，编码方式这个很多人还不知道,现在让我们一起来看看吧！

1、一、ASCII 码我们知道，计算机内部，所有信息最终都是一个二进制值。

2、每一个二进制位（bit）有0和1两种状态，因此八个二进制位就可以组合出256种状态，这被称为一个字节（byte）。

3、也就是说，一个字节一共可以用来表示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00000000到11111111。

4、上个世纪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，做了统一规定。

5、这被称为 ASCII 码，一直沿用至今。

6、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）。

7、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，最前面的一位统一规定为0。

8、二、非 ASCII 编码英语用128个符号编码就够了，但是用来表示其他语言，128个符号是不够的。

9、比如，在法语中，字母上方有注音符号，它就无法用 ASCII 码表示。

10、于是，一些欧洲国家就决定，利用字节中闲置的最高位编入新的符号。

11、比如，法语中的é的编码为130（二进制10000010）。

12、这样一来，这些欧洲国家使用的编码体系，可以表示最多256个符号。

13、但是，这里又出现了新的问题。

14、不同的国家有不同的字母，因此，哪怕它们都使用256个符号的编码方式，代表的字母却不一样。

15、比如，130在法语编码中代表了é，在希伯来语编码中却代表了字母Gimel (ג)，在俄语编码中又会代表另一个符号。

16、但是不管怎样，所有这些编码方式中，0--127表示的符号是一样的，不一样的只是128--255的这一段。

17、至于亚洲国家的文字，使用的符号就更多了，汉字就多达10万左右。

18、一个字节只能表示256种符号，肯定是不够的，就必须使用多个字节表达一个符号。

19、比如，简体中文常见的编码方式是 GB2312，使用两个字节表示一个汉字，所以理论上最多可以表示 256 x 256 = 65536 个符号。

20、中文编码的问题需要专文讨论，这篇笔记不涉及。

21、这里只指出，虽然都是用多个字节表示一个符号，但是GB类的汉字编码与后文的 Unicode 和 UTF-8 是毫无关系的。

22、三. Unicode正如上一节所说，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成不同的符号。

23、因此，要想打开一个文本文件，就必须知道它的编码方式，否则用错误的编码方式解读，就会出现乱码。

24、为什么电子邮件常常出现乱码？就是因为发信人和收信人使用的编码方式不一样。

25、可以想象，如果有一种编码，将世界上所有的符号都纳入其中。

26、每一个符号都给予一个独一无二的编码，那么乱码问题就会消失。

27、这就是 Unicode，就像它的名字都表示的，这是一种所有符号的编码。

28、Unicode 当然是一个很大的集合，现在的规模可以容纳100多万个符号。

29、每个符号的编码都不一样，比如，U+0639表示阿拉伯字母Ain，U+0041表示英语的大写字母A，U+4E25表示汉字严。

30、具体的符号对应表，可以查询unicode.org，或者专门的汉字对应表。

31、常见的数据编码方案有：单极性码、极性码、双极性码、归零码、双相码、不归零码、曼彻斯特编码、差分曼彻斯特编码、多电平编码、4B/5B编码。

32、单极性码：在这种编码方案中，只适用正的(或负的)电压表示数据。

33、单极性码用在电传打字机接口以及PC机和TTY兼容的接口中，这种代码需要单独的时钟信号配合定时，否则当传送一长串0或1时，发送机和接收机的时钟将无法定时，单极性码的抗噪声特性也不好。

34、极性码：在这种编码中，分别用正和负电压表示二进制数“0”和“1”。

35、这种代码的电平差比单极码大，因而抗干扰特性好，但仍需另外的时钟信号。

36、双极性码：信号在三个电平（正、负、零）之间变化。

37、一种典型的双极性码就是信号反转交替编码（AMI）。

38、在AMI信号中，数据流遇到“1”时使电平在正和负之间交替翻转，而遇到“0”时则保持零电平。

39、归零码：（Return to Zero,RZ）码元中间信号回归到零电平，比如从正电平到零电平的转换表示码元“0”，而从负电平到零电平表示码元“1”。

40、双相码：双相码要求每一位中都要有一个电平转换。

41、因而这种代码的最大优点是自定时，同时双相码也有检测错误的功能，如果某一位中间缺少了电平翻转，则被认为是违例代码。

42、1.ASCII码这是美国在19世纪60年代的时候为了建立英文字符和二进制的关系时制定的编码规范，它能表示128个字符，其中包括英文字符、阿拉伯数字、西文字符以及32个控制字符。

43、它用一个字节来表示具体的字符，但它只用后7位来表示字符（2^7=128），最前面的一位统一规定为0。

44、2.扩展的ASCII码原本的ASCII码对于英文语言的国家是够用了，但是欧洲国家的一些语言会有拼音，这时7个字节就不够用了。

45、因此一些欧洲国家就决定，利用字节中闲置的最高位编入新的符号。

46、比如，法语中的é的编码为130（二进制10000010）。

47、这样一来，这些欧洲国家使 用的编码体系，可以表示最多256个符号。

48、但这时问题也出现了：不同的国家有不同的字母，因此，哪怕它们都使用256个符号的编码方式，代表的字母却不一样。

49、比如，130在法语编码 中代表了é，在希伯来语编码中却代表了字母Gimel (ג)，在俄语编码中又会代表另一个符号。

50、但是不管怎样，所有这些编码方式中，0—127表示的符号是一样的，不一样的只是128—255的这一段。

51、这个问题就直接促使了Unicode编码的产生。

52、3.Unicode符号集正如上一节所说，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成不同的符号。

53、因此，要想打开一个文本文件，就必须知道它的编码方式，否则用错误的编码方式解读，就会出现乱码。

54、为什么电子邮件常常出现乱码？就是因为发信人和收信人使用的编码方式不一样。

55、而Unicode就是这样一种编码：它包含了世界上所有的符号，并且每一个符号都是独一无二的。

56、比如，U+0639表示阿拉伯字母Ain，U+0041表示英语的大写字母A，U+4E25表示汉字“严”。

57、具体的符号对应表，可以查询unicode.org，或者专门的汉字对应表 。

58、很多人都说Unicode编码，但其实Unicode是一个符号集（世界上所有符号的符号集），而不是一种新的编码方式。

59、常见的一些字符编码方式：Unicode、ASCII、GBK、GB2312、UTF-8。

60、下面先对常见的这一些字符编码方式作下说明：1.ASCII码这是美国在19世纪60年代的时候为了建立英文字符和二进制的关系时制定的编码规范，它能表示128个字符，其中包括英文字符、阿拉伯数字、西文字符以及32个控制字符。

61、它用一个字节来表示具体的字符，但它只用后7位来表示字符（2^7=128），最前面的一位统一规定为0。

62、2.扩展的ASCII码原本的ASCII码对于英文语言的国家是够用了，但是欧洲国家的一些语言会有拼音，这时7个字节就不够用了。

63、因此一些欧洲国家就决定，利用字节中闲置的最高位编入新的符号。

64、比如，法语中的é的编码为130（二进制10000010）。

65、这样一来，这些欧洲国家使 用的编码体系，可以表示最多256个符号。

66、但这时问题也出现了：不同的国家有不同的字母，因此，哪怕它们都使用256个符号的编码方式，代表的字母却不一样。

67、比如，130在法语编码 中代表了é，在希伯来语编码中却代表了字母Gimel (ג)，在俄语编码中又会代表另一个符号。

68、但是不管怎样，所有这些编码方式中，0—127表示的符号是一样的，不一样的只是128—255的这一段。

69、这个问题就直接促使了Unicode编码的产生。

70、3.Unicode符号集正如上一节所说，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成不同的符号。

71、因此，要想打开一个文本文件，就必须知道它的编码方式，否则用错误的编码方式解读，就会出现乱码。

72、为什么电子邮件常常出现乱码？就是因为发信人和收信人使用的编码方式不一样。

73、而Unicode就是这样一种编码：它包含了世界上所有的符号，并且每一个符号都是独一无二的。

74、比如，U+0639表示阿拉伯字母Ain，U+0041表示英语的大写字母A，U+4E25表示汉字“严”。

75、具体的符号对应表，可以查询unicode.org，或者专门的汉字对应表 。

76、很多人都说Unicode编码，但其实Unicode是一个符号集（世界上所有符号的符号集），而不是一种新的编码方式。

77、但是正因为Unicode包含了所有的字符，而有些国家的字符用一个字节便可以表示，而有些国家的字符要用多个字节才能表示出来。

78、即产生了两个问题：第一，如果有两个字节的数据，那计算机怎么知道这两个字节是表示一个汉字呢？还是表示两个英文字母呢？第二，因为不同字符需要的存储长度不一样，那么如果Unicode规定用2个字节存储字符，那么英文字符存储时前面1个字节都是0，这就大大浪费了存储空间。

79、上面两个问题造成的结果是：1）出现了unicode的多种存储方式，也就是说有许多种不同的二进制格式，可以用来表示unicode。

80、2）unicode在很长一段时间内无法推广，无论在是在编辑文本文件的时候，还是在制作网页的时候，总会遇到文本编码方式的问题。

81、如果处理不当，就会出现乱码的问题。

82、因此，有必要对文本的编码方式做一个详尽的了解。

83、常见的一些字符编码方式无非有：Unicode、ASCII、GBK、GB2312、UTF-8。

84、下面先对常见的这一些字符编码方式作下说明：1.ASCII码这是美国在19世纪60年代的时候为了建立英文字符和二进制的关系时制定的编码规范，它能表示128个字符，其中包括英文字符、阿拉伯数字、西文字符以及32个控制字符。

85、它用一个字节来表示具体的字符，但它只用后7位来表示字符（2^7=128），最前面的一位统一规定为0。

86、2.扩展的ASCII码原本的ASCII码对于英文语言的国家是够用了，但是欧洲国家的一些语言会有拼音，这时7个字节就不够用了。

87、因此一些欧洲国家就决定，利用字节中闲置的最高位编入新的符号。

88、比如，法语中的é的编码为130（二进制10000010）。

89、这样一来，这些欧洲国家使 用的编码体系，可以表示最多256个符号。

90、但这时问题也出现了：不同的国家有不同的字母，因此，哪怕它们都使用256个符号的编码方式，代表的字母却不一样。

91、比如，130在法语编码 中代表了é，在希伯来语编码中却代表了字母Gimel (ג)，在俄语编码中又会代表另一个符号。

92、但是不管怎样，所有这些编码方式中，0—127表示的符号是一样的，不一样的只是128—255的这一段。

93、这个问题就直接促使了Unicode编码的产生。

94、3.Unicode符号集正如上一节所说，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成不同的符号。

95、因此，要想打开一个文本文件，就必须知道它的编码方式，否则用错误的编码方式解读，就会出现乱码。

96、为什么电子邮件常常出现乱码？就是因为发信人和收信人使用的编码方式不一样。

97、而Unicode就是这样一种编码：它包含了世界上所有的符号，并且每一个符号都是独一无二的。

98、比如，U+0639表示阿拉伯字母Ain，U+0041表示英语的大写字母A，U+4E25表示汉字“严”。

99、具体的符号对应表，可以查询unicode.org，或者专门的汉字对应表 。

100、很多人都说Unicode编码，但其实Unicode是一个符号集（世界上所有符号的符号集），而不是一种新的编码方式。

101、但是正因为Unicode包含了所有的字符，而有些国家的字符用一个字节便可以表示，而有些国家的字符要用多个字节才能表示出来。

102、即产生了两个问题：第一，如果有两个字节的数据，那计算机怎么知道这两个字节是表示一个汉字呢？还是表示两个英文字母呢？第二，因为不同字符需要的存储长度不一样，那么如果Unicode规定用2个字节存储字符，那么英文字符存储时前面1个字节都是0，这就大大浪费了存储空间。

103、上面两个问题造成的结果是：1）出现了unicode的多种存储方式，也就是说有许多种不同的二进制格式，可以用来表示unicode。

104、2）unicode在很长一段时间内无法推广，直到互联网的出现。

105、4.UTF-8互联网的普及，强烈要求出现一种统一的编码方式。

106、UTF-8就是在互联网上使用最广的一种unicode的实现方式。

107、其他实现方式还包括UTF-16和UTF-32，不过在互联网上基本不用。

108、重复一遍，这里的关系是，UTF-8是Unicode的实现方式之一。

109、UTF-8最大的一个特点，就是它是一种变长的编码方式。

110、它可以使用1~4个字节表示一个符号，根据不同的符号而变化字节长度。

111、UTF-8的编码规则很简单，只有两条：1）对于单字节的符号，字节的第一位设为0，后面7位为这个符号的unicode码。

112、因此对于英语字母，UTF-8编码和ASCII码是相同的。

113、2）对于n字节的符号（n>1），第一个字节的前n位都设为1，第n+1位设为0，后面字节的前两位一律设为10。

114、剩下的没有提及的二进制位，全部为这个符号的unicode码。

115、5.GBK/GB2312/GB18030GBK和GB2312都是针对简体字的编码，只是GB2312只支持六千多个汉字的编码，而GBK支持1万多个汉字编码。

116、而GB18030是用于繁体字的编码。

117、汉字存储时都使用两个字节来储存。

本文到此分享完毕，希望对大家有所帮助。

　　免责声明：本文由用户上传，与本网站立场无关。财经信息仅供读者参考，并不构成投资建议。投资者据此操作，风险自担。 如有侵权请联系删除！