menu

字符集知识梳理

####为什么1个byte(字节)是8个bit？
26个英文字母，大小写共52个，加上10个数字达到62个，考虑到还有特殊字符(标点符号)和不可见的控制字符（例如：换行，在linux中用\n表示，在windows中用\n\r），必然超过64个，因为64是2的6次方，所以特别说明，有因为在计算机诞生之初对于存储和传输介质实在没有什么信心，所以预留了一个bit（位）用于奇偶校验，这就是1个Byte(字节)由8个bit组成的来历，也即是ASCII码。
####UTF-8和Unicode的关系？

  • Unicode是1994年正式公布的，为每种语言中的每个字符都设定了唯一编码，以满足跨语言的交流，分为编码方式和实现方式。UTF-8只是Unicode的编码格式之一。
  • UTF-8是一种以字节为单位，针对Unicode的可变长度字符长度编码，用1-6个字节对Unicode字符进行编码压缩，目的是用较少的字节表示最常用的字符。此规则能有效地降低数据存储和传输成本。
  • 在UTF-8中：一个英文字符等于一个字节，一个中文（含繁体）等于三个字节。中文标点占三个字节，英文标点占一个字节。