您现在的位置是:首页 > 快讯

为什么计算机编码有ASCII与Unicode及UTF-8的区分

2020-02-15 12:37:45

计算机只能处理数字,如果要处理文本,就必须先把文本转换为数字才能处理。最早的计算机在设计时采用8个比特(bit)作为一个字节(byte),所以一个字节能表示的最大的整数就是255,如果要表示更大的整数,就必须用更多的字节。比如,两个字节可以表示的最大整数是65535,4个字节可以表示的最大整数是4294967295等。

ASCII编码

计算机是美国人发明的,最早只有大小写英文字母、数字和一些符号等127个字符被编码到计算机里,这也即是我们知道的ASCII编码(如下图)。在ASCll编码下,大写字母A的编码是65,小写字母z的编码是122,如下图。

Unicode

从上文中我们知道,一个字节能表示的最大整数是255,但是《现代汉语常用字表》中有3500个汉字,因此,要处理中文显然一个字节是不够的,至少需要两个字节。所以,中国就制定了GB2312编码,用来把中文编进去。

你可以想得到的是,全世界有上百种语言,日本把日文编到Shift_JIS里,韩国把韩文编到Euc-kr里,各国有各国的标准,就会不可避免地出现冲突,结果就是在多语言混合的文本中,显示出来会有乱码。

鉴于此,Unicode编码应运而生。Unicode的出现就是要把所有语言都统一到一套编码里,以确保在多语言混合的文本中不会再有乱码问题。

UTF-8

Unicode的出现解决了乱码问题,但是也带来了新问题。编码长度是不可变的,说使用2个字节它一定会使用2个字节。这样如果你写的文本基本上都是英文的话,用Unicode编码比ASCII编码可能需要多一倍的存储空间,这在存储和传输上就十分不划算。

所以本着节约的精神,科学家们有创造出了“可变长编码”的UTF-8编码。UTF-8编码根据不同的数字大小把一个Unicode字符编码成1-6个字节,比如,常用的英文字母被编码成1个字节,汉字通常是3个字节,只有很生僻的字符才会被编码成4-6个字节。如果你要传输的文本包含大量英文字符,用UTF-8编码就能节省空间。

字符编码的工作方式

1、在计算机内存中,统一使用Unicode编码,当需要保存到硬盘或者需要传输的时候,就转换为UTF-8编码。

2、用记事本编辑的时候,从文件读取的UTF-8字符将被转换为Unicode字符到内存里,编辑完成后,保存的时候再把Unicode转换为UTF-8保存到文件:

3、浏览网页的时候,服务器会先把动态生成的Unicode内容转换为UTF-8,然后再传输到浏览器

所以,你看到很多网页的源码上会有类似<meta charset="UTF-8" />的信息,这就表示该网页正是用的UTF-8编码。