编码学习小记

ASCII 8bit

• 格式： <0> 0000000 - <0> 1111110
• 区间： 0 ~ 126
• 特点：第一位始终为0

Unicode

• 格式：严 -> 4E25 -> 100111000100101
• 特点：符号集合(一个符号唯一对应一个数值大小) <一张通用数据表>

UTF-8 变 长编码 -> Unicode的内存实现方式'之一'

• 格式：<0xxxxxxxx> <110xxxxx 10xxxxxx> <1110xxxx 10xxxxxx 10xxxxxx> <11110xxx 10xxxxxx 10xxxxxx 10xxxxxx>
• 区间 0 ～ 126 5x + 6x 4x + 6x + 6x 3x + 6x + 6x + 6x 可以理解他们不包含，而是组成连续， 对应Unicode的字符表
• 特点：特定的表示格式，能在存储和网络传输中正确区分字符，表示内容

转换

Unicode -> UTF-8

• 严 -> 4E25 -> 100111000100101 (数值大小) <15个x>
• 大于11x，小于16x，三个字节：1110xxxx 10xxxxxx 10xxxxxx
• 从后面将Unicode bit填入 UTF-8 1110x100 10111000 10100101 (x = 0)

ASCII -> UTF-8

• ! -> 21(16进制，33十进制) -> 00100001
• 小于等于7x，一个字节：0xxxxxxx
  填入bit 0x100001 (x = 0)

补充：

• HTTP协议是以ASCII 码传输<这个先记录>（UTF-8的每一个字节就是一个ASCII）
• ?? JSON(Dic) -> Data -> [ASCII] (字节为单位)
• Unicode规范定义：Little endian 和 Big endian，如果一个文本文件的头两个字节是FE FF，就表示该文件采用大头方式；如果头两个字节是FF FE，就表示该文件采用小头方式，如果它出现在字节流的中间，则表达零宽度非换行空格的意义，用户看起来就是一个空格
• UTF-8则没有字节顺序的议题
• UTF-16 UTF32却有字节顺序
• 如图： 维基百科-字节顺序标记.png