计算机编码
计算机编码是计算机处理、存储和传输文本信息的规则，其核心是将人类可理解的字符（如文字、符号、数字）转换为计算机能识别的二进制（0和1）。不同场景和语言需要不同的编码方案，以下是常见的编码方式及特点：
一、ASCII 编码（基础编码）
- 全称：American Standard Code for Information Interchange（美国信息交换标准代码）。
- 适用范围：主要用于英文及西欧语言，包含大小写字母、数字、标点符号和控制字符（如换行、回车）。
- 编码规则：
- 用 1个字节（8位） 表示，实际只使用前7位（0-127），第8位为0（用于校验）。
- 共定义了128个字符，例如：
A对应 65（二进制01000001），0对应 48。
- 局限性：无法表示中文、日文等非拉丁字符。
二、GB2312 与 GBK（中文编码）
为解决中文显示问题，中国制定了以下编码：
-
GB2312（1980年）
- 收录 6763个简体汉字、682个符号，覆盖常用中文。
- 编码规则：
- 中文用 2个字节 表示，每个字节的最高位为1（区别于ASCII的0）。
- 兼容ASCII：英文仍用1个字节（同ASCII），中文用2个字节。
-
GBK（1995年，扩展GB2312）
- 在GB2312基础上扩展，收录 21003个汉字（含繁体），支持更多生僻字。
- 编码规则：兼容GB2312，同样用2个字节表示中文，且与GB2312编码不冲突。
三、Unicode 与 UTF-8（全球通用编码）
由于各国编码不兼容（如中文GBK和日文Shift_JIS冲突）， Unicode 应运而生：
-
Unicode（统一码）
- 目标：为全球所有字符（无论语言）分配唯一的二进制编码，实现“一码通”。
- 编码范围：从0到0x10FFFF，可表示超过100万个字符，包含中文、日文、韩文、 emoji 等。
- 局限性：直接存储Unicode会浪费空间（如英文也需2-4字节），因此需要“传输和存储方案”。
-
UTF-8（Unicode的实现方式）
- 特点：可变长度编码，根据字符不同用1-4字节表示，兼顾节省空间和兼容性。
- 编码规则：
- 英文/数字：1字节（与ASCII完全兼容），例如
A仍为 65。 - 中文：通常用3字节表示（如“中”对应
0xE4B8AD）。 - 生僻字或 emoji：可能用4字节。
- 英文/数字：1字节（与ASCII完全兼容），例如
- 优势：是目前互联网、操作系统（如Linux、macOS）和编程语言的主流编码，避免乱码问题。
四、其他常见编码
- ISO-8859系列：针对欧洲语言的编码（如ISO-8859-1支持西欧语言），但不支持中文。
- UTF-16/UTF-32：Unicode的其他实现方式，UTF-16用2或4字节，UTF-32固定4字节，空间占用较大，多用于Windows系统内部或Java等语言。
- BIG5：中国台湾、香港地区使用的繁体中文编码，与GBK不兼容。
五、编码相关问题
- 乱码原因：字符存储时用A编码，读取时误用B编码（如GBK文本用UTF-8打开）。
- 解决方法：统一编码为UTF-8（兼容性最好），在文件、网页、数据库中明确指定编码格式。
例如，HTML中需在 <head> 声明编码：<meta charset="UTF-8">，确保浏览器正确解析。
理解编码的核心是：字符→二进制的映射规则，不同编码的差异在于映射范围和存储效率。UTF-8因平衡了兼容性和空间，成为当前最广泛的编码标准。