编码的目的,就是给抽象的字符赋予一个数值,好在计算机里面表示。常见的ASCII使用8bit给字符编码,但是实际只使用了7bit,最高位没有使用,因此,只能表示128个字符;ISO-8859-1(也叫Latin-1,或者直接8859)使用全8bit编码,可以看成是ASCII的超集,因为它的低128个字符编码和ASCII一样,也就是说,如果一个字符使用ASCII编码,那么转换成ISO-8859-1后,编码值不变。

但是,无论是ASCII,还是ISO-8859-1,都无法满足用来表示像中文这样的字符,所以,为了国际化的需要,诞生了Unicode编码。Unicode本质上是一套标准,而UTF-32,UTF-16,UTF-8是Unicode的三种不同实现方式。

Unicode

Unicode规定了一个数值范围,这个数值范围叫code space。Unicode的code space为0到10FFFF,这个空间里面的每一个数值,叫做一个code point,因此,Unicode总共有1114112个code point。Unicode中,在表示一个code point的时候,常常使用U+前缀,比如表示code point 201DF:U+201DF。

Unicode将code space中的code point分配给要编码的字符,有时一个字符用一个code point表示,有时一个字符会重复编码,也就是说可能不同的两个或者多个code point代表同一个字符,而有时候,可能连续多个code point表示一个字符,而这里面的每一个code point都表示一个其他的字符。code point和字符的关系如下图所示:

在上图中,A+一个小圈这个字符就有3种编码,其中U+00C5和U+212B虽然code point不同,但是代表的都是这个字符,而这个字符还可以看成是字母A和一个小圈组合而成,A的code point是U+0041,小圈的code point是U+030A,因此,用A和小圈的code point组合在一起,也可以表示这个字符。

Unicode规定了code space和code point,那计算机到底怎么表示这些code point呢?是直接使用,还是会做一些形式的转换呢?

UTF-32(UCS-4)

在计算机中,Unicode字符的code point会被表示成一个,后者多个code unit,code unit可以和code point一样,也可以不一样。UTF-32,或者说UCS-4就是Unicode最简单的实现方式。在UTF-32中,一个code unit使用32bit,4个字节,并且Unicode中的每一个code point,都有一个与它相等的code unit对应,换句话说,UTF-32对Unicode规定的code point没有做任何转换,直接拿过来用了。

UTF-16(UCS-2)

对于UTF-16,或者UCS-2来说,每一个code unit使用16bit,2个字节。对于Unicode中位于U+0000-U+FFFF的code point,UTF-16使用一个code unit表示,对于Unicode位于U+10000-U+10FFFF的code point,UTF-16使用一对code unit表示,这样成对的code unit叫做surrogate pairs。

UTF-8

对于UTF-8,使用8bit的code unit。对于Unicode中位于U+0000-U+007F的code point,UTF-8使用一个code unit表示,因此,编码方式和ASCII没有任何区别;对于U+0100-U+07FF,UTF-8使用2个code unit表示;对于U+0800-U+FFFF,UTF-8使用3个code unit表示;对于U+10000-U+10FFFF,UTF-8使用4个code unit表示。

Unicode,UTF-32,UTF-16,UTF-8到底是啥关系?的更多相关文章

  1. JS原型的问题Object和Function到底是什么关系

    var F = function(){}; Objcert.prototype.a = function(){}; Function.prototype.b = function(){}; F 既能访 ...

  2. 内核与ramdisk到底是什么关系

    转自:http://www.lupaworld.com/forum.php?mod=viewthread&tid=61425 原名:内核与ramdisk到底是什么关系? 个人Notes:    ...

  3. SOA和微服务到底是什么关系

    本文原创,原文地址为:http://www.cnblogs.com/fengzheng/p/5847441.html SOA和微服务到底是什么关系? 说实话,我确实不明白SOA和微服务到底有什么本质上 ...

  4. SOA和微服务到底是什么关系?

    SOA和微服务到底是什么关系? 说实话,我确实不明白SOA和微服务到底有什么本质上的区别,两者说到底都是对外提供接口的一种架构设计方式.我倒觉得微服务其实就是随着互联网的发展,复杂的平台.业务的出现, ...

  5. C语言变量长度在32位和64位处理器上的关系

    C语言变量长度在32位和64位处理器上的关系       理论上来讲 我觉得数据类型的字节数应该是由CPU决定的,但是实际上主要由编译器决定(占多少位由编译器在编译期间说了算).常用数据类型对应字节数 ...

  6. Ansi、GB2312、GBK、Unicode(utf8、16、32)

    关于ansi,一般默认为本地编码方式,中文应该是gb编码 他们之间的关系在这边文章里描写的很清楚:http://blog.csdn.net/ldanduo/article/details/820353 ...

  7. PHP返回32位与16位的md5加密值

    字符串“123456”,经过md5算法加密之后是 32位: e10adc3949ba59abbe56e057f20f883e16位: 49ba59abbe56e057 PHP自带的 md5() 函数, ...

  8. Java Android 32位16位 MD5加密

    // md5加密 32位小写 private String Md5(String sourceStr) { String result = ""; try { MessageDig ...

  9. 2018.9.10 Java语言中的int及char数据类型的长度分别为(32,16 )

    Byte类型 (8) Character类型(16) Integer类型 (32) Double类型 (64) Long类型 (64)

随机推荐

  1. 前端jQuery实现瀑布流

    瀑布流是我们经常会见到的东西,一直刷新一直有,其实它实现起来是很简单的.具体代码如下 1.css代码 <style> *{ margin:; padding:; } .container{ ...

  2. 百度地图定位JSP代码

    附:百度地图API:http://lbsyun.baidu.com/cms/jsapi/reference/jsapi_reference.html#a1b0?qq-pf-to=pcqq.c2c &l ...

  3. windows下nginx的安装

    一. 下载 http://nginx.org/    (下载后解压) 二. 修改配置文件 nginx配置文件在 nginx-1.8.0\conf\nginx.conf http { gzip on; ...

  4. hadoop生态搭建(3节点)-10.spark配置

    # https://www.scala-lang.org/download/2.12.4.html# ================================================= ...

  5. Python读取 csv文件中文乱码处理

    需求:按行解析读取csv文件存入关系型数据库——主要是中文字体解析:遇到的问题:直接解析出来的数据为list形式,而且编码格式为unicode;解决问题:前提了解: 中文编码的规则 —— GB2312 ...

  6. [OpenCV][关于OpenCV3.2.0+VS2015+Win10环境搭建]

    在VS2015上搭建OpenCV3.2.0+Win10 1.OpenCV3.2.0在VS2015上的配置 1).下载.解压OPENCV 登陆OpenCV官方网站下载相应版本的OpenCV-SDK 这里 ...

  7. 20190112-自定义实现字符串的操作方法,如strip,upper,title,ljust,center,zfill,find,rfind等

    1:自定义实现strip()Python strip() 方法用于移除字符串头尾指定的字符(默认为空格或换行符)或字符序列算法:strip()仅移除首尾的指定字符,不能移除中间的先从首部开始移除 de ...

  8. python新手之字典增删改查

    一.字典的定义 city_list = { 'beijin':"北京",'shanghai':"上海" } print(city_list) 二.字典添加一个元 ...

  9. linux线程篇 (一) 线程的基本概念

    --进程 一个正在执行的程序,资源分配的最小单位 进程中的事情需要按照一定顺序区执行的,但是如何在一个进程中让一些事情同时发生呢?子进程存在缺陷 --引进多线程 --线程:有时又称轻量级进程,程序执行 ...

  10. 关于条件约束问题的无偏差统计——一个偏差控制型生成器(Unbiased Statistics of a Constraint Satisfaction Problem – a Controlled-Bias Generator——by Denis Berthier)

    论文地址:https://hal.archives-ouvertes.fr/hal-00641955 Unbiased Statistics of a Constraint Satisfaction ...