编码表理解

要理解文件IO操作，我认为要先从编码来理解。计算机中所有文件都是以二进制形式存储的，计算机底层只认识高低电位1和0。 8位（bit）为1字节（byte），1024字节为1kb。反正以前学电路数电模电，都是0101，大概都是一个意思吧。

曾见过一些错误的说法表示，将文件转换为二进制存储以达到节约空间的目的，至今也不能理解这句话的依据何在，文件本身就是二进制还转什么二进制，即使根据编码表，将文本转换成可见的二进制数字再进行存储，那也是大大增加了存储中间，比如将1 按照ASCII编码成二进制，那也是00000001，把它以ASCII编码方式存入文本中也是增加了8倍空间。

也见过有人问汉字占几个字符，占几个字符是由如何编码决定的。如果我定义一个编码表，并且读取和存储文档都按照我的编码表实现，我可以把00000001定义为博，00000002定义为客。那这两个汉字就占一个字节嘛。按照人家unicode规范就是占2个字节，utf-8就是占3字节。

纯英文，英文符号以及数字等使用128个码就足矣了，使用7位可以表示0-127， 为了凑足8位，所以在首部补0，这就是ASCII码。所以我们看到：

a字母  二进制0110 0001  十进制97

A字母  二进制0100 0001  十进制65

因为ASCII不足以表示我们这么多汉字字符和其他国家的字符。所以需要更加健全的字符集。  对我们平时比较重要的应当属于GBK编码，Unicode字符集和utf-8编码规则。

unicode和utf-8的关系 实际上就是 当前准备好了一个unicode字符集，而utf-8是该集合字符的一种编码规则／实现方式，给每一个字符都规定好唯一编号。

我们在C#或者Java写字符串的时候，需要先转换String的bytes[]   曾经很不理解 字节数组是啥？里面的数字代表什么？ 其实里面的数字就是给我们展现 底层所存储的二进制值转换为10进制的数字而已。

相对于unicode，utf-8的优点在于其汉字一般在3个字节，而ASCII中的英文和数字还是占一个字节，从空间上来说是合理的。

 

标签：

版权申明：本站文章部分自网络，如有侵权，请联系：west999com@outlook.com
特别注意：本站所有转载文章言论不代表本站观点，本站所提供的摄影照片，插画，设计作品，如需使用，请与原作者联系，版权归原作者所有