标签：字符 12只 文件的 美国 进制 关系 压缩 就是 怎么
二进制编码到 字符的映射就是字符集
最古老的字符集是ascii
看自己的键盘
A-Z
a-z
0-9
不超过127个，所以，美国人在造计算机的时候，就没考虑到还有其他的字符
所以一个字节可以表示256种值，所以
ascii
0-127来表示，只能用到7位
0xxxx xxxx，最高位始终是0
到了中国，常用汉字3000多，生僻汉字不用说。
1个字节不够表示
用2个字节表示，
0000 0000 0000 0000
1111 1111 1111 1111
0-65535种组合，够用
所以出现了GB2312 字符集
【69 197】 69 和197整个理解还是单理解为E
歧义：因为单字节小于127的值，正好是ascii的值，
如果就严格的2字节绑定，理解为中文，
则gb2312不能识别英文
如何兼容ascii,又能双字节表示中文？
ascii 0-127
干脆gb2312完全不占用0-127，
使用组合来自于
【129-255】【129-255】
但是同时，中文的组合数也少了，只能组合10000+，
事实上，gb2312只能容纳6000多字，
所以出现了gbk
gbk还是双字节，如何扩充容量
答:gbk的第二位，不再局限与129-255，<127也能用
碰到>128的，就在往后找一个字节，2个字节绑定为一个中文，继续找
gbk可存放20000+
这就是ANSI，代表本地字符集，在中国是gbk，在日本就是jis。
后来就产生了unicode 代表国际化字符集
用4个字节来编号，unicode的实现方式称为utf8，即将Unicode简化后进行传输
unicode与utf-8的关系就像源文件与压缩文件的关系
uft8占几个字节？
1-6个字节，既然为变长，如何确定字符的边界？
最高位有几个1就表示几位
如何截取utf8（各国语言都有），无乱码?
答:从头开始，取一个字节，通过位运算，计算连续的1个字节，
如为0，则截取1个字节，
如为N, 则截取n个字节
从容量上来看，GB2312<GBK<UTF-8
问：gbk中文经常在java中，被准为utf-8,怎么转的？
答：gbk也是和unicode有对应关系的，
gbk->unicode->utf-8
乱码是怎么形成的？
答：1.解码时与实际编码不一致，即解码时用jis,编码时用gbk，可修复
使编码与解码一致即可解决
2。传输时，编码不一致，导致字节丢失。不可修复
如将utf-8传输成gbk
标签：字符 12只 文件的 美国 进制 关系 压缩 就是 怎么
原文地址：https://www.cnblogs.com/fbjtcp/p/10916524.html
