宋红康_尚硅谷_计算机常见编码.pdfVIP

计算机常见编码 一．有关编码的基础知识 1. 位 bit 最小的单元 字节 byte 机器语言的单位 1byte=8bits 1KB=1024byte 1MB=1024KB 1GB=1024MB 2. 二进制 binary 八进制 octal 十进制 decimal 十六进制 hex 3. 字符：是各种文字和符号的总称，包括各个国家的文字，标点符号，图形符 号，数字等。 字符集：字符集是多个符号的集合，每个字符集包含的字符个数不同。 字符编码：字符集只是规定了有哪些字符，而最终决定采用哪些字符，每一 个字符用多少字节表示等问题，则是由编码来决定的。计算机要 准确的处理各种字符集文字，需要进行字符编码，以便计算机能 够识别和存储各种文字。 二．常见字符集的编码介绍： 常见的字符集有：ASCII 字符集，GB2312 字符集，BIG5 字符集，GB18030 字符集， Unicode 字符集，下面一一介绍： 1. ASCII 字符集：  定义： 美国信息互换标准代码，是基于罗马字母表的一套电脑编码系统，主要显示 英语和一些西欧语言，是现今最通用的单字节编码系统。  包含内容： 控制字符（回车键，退格，换行键等） 可显示字符（英文大小写，阿拉伯数字，西文符号） 扩展字符集（表格符号，计算符号，希腊字母，拉丁符号）  编码方式： 第0-31 号及127 号是控制字符或通讯专用字符； 第32-126 号是字符，其中48-57 号为0-9 十个阿拉伯数字，65-90 号为26 个 大写英文字母，97-122 号为26 个英文小写字母，其余为一些标点符号，运 算符号等。 在计算机存储单元中，一个ASCII 码值占一个字节（8 个二进制位），最高位 是用作奇偶检验位。【奇偶校验是指：在代码传送的过程中，用来检验是否 出错的一种方法。】奇偶校验分为奇校验和偶校验。奇校验规定：正确的代 码一个字节中1 的个数必须是奇数，若非奇数，则在最高位添1；偶校验规 定：正确的代码一个字节中1 的个数必须是奇数，若非奇数，则在最高位添 1。 2. GB2312 字符集：  定义： 信息交换用汉字编码字符集。是中国标准的简体中文字符集，它所收录的汉 字已经覆盖99.75% 的使用频率，在中国大陆和新加坡广泛使用。  包含内容： GB2312 收录了简化汉字及一般字符，序号，数字，拉丁字母，日文假名， 希腊字母，俄文字母，汉语拼音符号，汉语注音字母，共7445 个图形字符。 其中包括6763 个汉字，一级汉字3755 个，二级汉字3008 个。  编码方式： GB2312 对所收汉字进行了“分区”处理，每区含有94 个汉字或者符号，这 种表示方法也叫做“区位码”。 它是用双字节表示的，前面的字节为第一字节，又称“高字节”，后面的为 第二字节，“低字节”。 高位字节，把01-87 区的区号加上0xA0 （相当于数字160）；低位字节把01-94 区的区号加上0xA0 （相当于数字160）。举个简单的小例子：第一个汉字— — “啊”，它的区号为16 ，位号 01 ，则区位码是 1601 。则高字节位： 16+0xA0=0xB0 ；低字节位：01+0xA0=0xA1 ，所以“啊”的汉字处理编码为 0xB0A1 。 3. GBK 字符集：  定义： GBK 是 GB2312 字符集的扩展（K）(中国的中文编码表升级，融合了更多的 中文文字符号。)，它收录了 21886 个符号，它分为汉字区和图形符号区， 汉字区包括21003 个字符。GBK 字符集主要扩展了繁体中文字的支持。 4. BIG5 字符集：  定义： 又称大五码，由台湾五家软件公司创立。因为当时台湾没有一个标准的字符 集，而且GB2312 又没有收录繁体字，所以才推出了BIG5。  包含内容： BIG5