ASCII、Unicode、UTF-8编码区别与联系

叁歲伎倆 2024-02-19 17:12 79阅读 0赞

<table> 
 <tbody> 
 <tr> 
 <td style="border-color:#a3a3a3;vertical-align:top;width:.7298in;"> 编码 </td> 
 <td style="border-color:#a3a3a3;vertical-align:top;width:4.3027in;"> 大小 </td> 
 <td style="border-color:#a3a3a3;vertical-align:top;width:.7506in;"> 支持语言 </td> 
 </tr> 
 <tr> 
 <td style="border-color:#a3a3a3;vertical-align:top;width:.7298in;"> ASCII </td> 
 <td style="border-color:#a3a3a3;vertical-align:top;width:4.3027in;"> 1个字节 </td> 
 <td style="border-color:#a3a3a3;vertical-align:top;width:.6465in;"> 英文 </td> 
 </tr> 
 <tr> 
 <td style="border-color:#a3a3a3;vertical-align:top;width:.7493in;"> Unicode </td> 
 <td style="border-color:#a3a3a3;vertical-align:top;width:4.3027in;"> 2个字节（生僻字4个） </td> 
 <td style="border-color:#a3a3a3;vertical-align:top;width:.7388in;"> 所有语言 </td> 
 </tr> 
 <tr> 
 <td style="border-color:#a3a3a3;vertical-align:top;width:.7298in;"> UTF-8 </td> 
 <td style="border-color:#a3a3a3;vertical-align:top;width:4.3222in;"> 1-6个字节，英文字母1个字节，汉字3个字节，生僻字4-6个字节 </td> 
 <td style="border-color:#a3a3a3;vertical-align:top;width:.7388in;"> 所有语言 </td> 
 </tr> 
 </tbody> 
</table>

**由来：**

最早只有127个字母被编码到计算机里，也就是大小写英文字母、数字和一些符号，这个编码表被称为ASCII编码，比如大写字母A的编码是65，小写字母z的编码是122。

但是要处理中文显然一个字节是不够的，至少需要两个字节，而且还不能和ASCII编码冲突，所以，中国制定了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][Link 1]把韩文编到Euc-kr里，各国有各国的标准，就会[不可避免][Link 2]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。

因此，Unicode[应运而生][Link 3]。Unicode把所有语言都统一到一套编码里，这样就不会再有乱码问题了。

Unicode标准也在不断发展，但最常用的是用两个字节表示一个字符（如果要用到非常偏僻的字符，就需要4个字节）。现代操作系统和大多数编程语言都直接支持Unicode。

新的问题又出现了：如果统一成Unicode编码，乱码问题从此消失了。但是，如果你写的文本基本上全部是英文的话，用Unicode编码比ASCII编码需要多一倍的存储空间，在存储和传输上就十分不划算。

所以，本着节约的精神，又出现了把Unicode编码转化为“可变长编码”的UTF-8编码。UTF-8编码把一个Unicode字符根据不同的数字大小编码成1-6个字节，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。

UTF-8编码有一个额外的好处，就是ASCII编码实际上可以被看成是UTF-8编码的一部分，所以，大量只支持ASCII编码的历史遗留软件可以在UTF-8编码下继续工作。

**字符集与字符编码：**

名词：字符集 *、*字库表、编码字符集、字符编码。

分别解释:

1.字库表决定字符的范围

2.编码字符集（简称字符集）表示字符在字库表中的位置（编码值来表示），这个值也称为字符对应于编码字符集的序号

3.字符编码：是编码字符集和实际存储数值之间的转换关系。字符，是根据字符编码方案转换为一个二进制数值存储在计算机中的。

所以，字符编码是定义在字符集上的映射规则。（字符-------->计算机中的实际存储值）

引自 <[https://blog.csdn.net/skh2015java/article/details/80500482][https_blog.csdn.net_skh2015java_article_details_80500482]>

unicode 是一种包含所有字符的编码表格，例如，给一个汉字规定一个代码，一个字母也一个代码。

一个unicode码可能转成长度为一个BYTE，或两个，三个，四个BYTE的UTF8码，取决于unicode码的值（utf-8可变长）。

英文unicode码因为值小于十六进制表示的0x80（即8x16=128，即01111111=128，即一个字节就可以表示了）,只要用一个BYTE的UTF8传送，比送unicode两个BYTEs快。

UTF8是为传送unicode而想出来的“再编码”方法罢了，将unicode编码之后再在网络传输。

因此，UTF-8最适合用来作为字符串网络传输的编码格式，自动变长节约空间嘛。解码的时候按UTF-8先解码成unicode，在查unicode表解码二进制，如下图

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl8zODg5ODQyMw_size_16_color_FFFFFF_t_70][]

引自 [https://blog.csdn.net/TCF\_JingFeng/article/details/80134600][https_blog.csdn.net_TCF_JingFeng_article_details_80134600]

[Link 1]: https://www.baidu.com/s?wd=%E9%9F%A9%E5%9B%BD&tn=24004469_oem_dg&rsv_dl=gh_pl_sl_csd
[Link 2]: https://www.baidu.com/s?wd=%E4%B8%8D%E5%8F%AF%E9%81%BF%E5%85%8D&tn=24004469_oem_dg&rsv_dl=gh_pl_sl_csd
[Link 3]: https://www.baidu.com/s?wd=%E5%BA%94%E8%BF%90%E8%80%8C%E7%94%9F&tn=24004469_oem_dg&rsv_dl=gh_pl_sl_csd
[https_blog.csdn.net_skh2015java_article_details_80500482]: https://blog.csdn.net/skh2015java/article/details/80500482
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl8zODg5ODQyMw_size_16_color_FFFFFF_t_70]: https://image.dandelioncloud.cn/pgy_files/images/2024/01/29/3189b8cf8742405a96c99d079ddcf1d5.png
[https_blog.csdn.net_TCF_JingFeng_article_details_80134600]: https://blog.csdn.net/TCF_JingFeng/article/details/80134600