字元編碼小結

==============================

存儲器

位(bit),位元組(byte),字(word), 雙字(double word)

1 byte = 8 bits

1 word = 2 bytes = 16 bits

1 double word = 2 words = 4 bytes = 32 bits

單位元組

來自遠古時代。

計算機最初是在美國等國家發明的，是以隻需要把英文字母、數字、标點符号表示出來就好。

這些字元不多，也就200多個。

使用一個位元組，從00000000到11111111共2^8=256個字元。

如：01000001（即十進制的65）表示字元"A"

Python的chr和ord函數，可以對ASCII編碼進行了轉換。

如：chr(65) == 'A', ord('A') == 65

ISO-8859-1編碼是單位元組編碼，向下相容ASCII。

其編碼範圍是0x00-0xFF，0x00-0x7F之間完全和ASCII一緻，0x80-0x9F之間是控制字元，0xA0-0xFF之間是文字元号。

此字元集主要支援歐洲使用的語言。

雙位元組

兩個位元組，從00000000 00000000到11111111 11111111共表示256*256個字元

在Unicode中，原本ASCII中的127個字元隻需在前面補一個全零的位元組即可，

比如前文談到的字元‘a’：01100001，在Unicode中變成了00000000 01100001。

優點：基本各種語言的字元，如東亞文字，阿拉伯文字，藏文字等等

缺點：對英文來說浪費嚴重，原本隻需一個位元組就能傳輸的英文現在變成兩個位元組，非常浪費存儲空間和傳輸速度。

unicode在很長一段時間内無法推廣，直到網際網路的出現。

這是 Python3 中的預設編碼！！！！！！

可變長位元組

使用1~4個位元組表示一個符号，根據不同的符号而變化位元組長度。

UTF-8的編碼規則很簡單，隻有二條：

1）對于單位元組的符号，位元組的第一位設為0，後面7位為這個符号的unicode碼。是以對于英語字母，UTF-8編碼和ASCII碼是相同的。

2）對于n位元組的符号（n>1），第一個位元組的前n位都設為1，第n+1位設為0，後面位元組的前兩位一律設為10。剩下的沒有提及的二進制位，全部為這個符号的unicode碼。

比如​漢字的"中"字在Unicode中是01001110 00101101，而在UTF-8編碼中是11100100 10111000 10101101。

雙位元組編碼

GB2312編碼範圍：A1A1－FEFE，其中漢字編碼範圍：B0A1-F7FE。

GB2312編碼是第一個漢字編碼國家标準，由中國國家标準總局1980年釋出，1981年5月1日開始使用。

GB2312編碼共收錄漢字6763個，其中一級漢字3755個，二級漢字3008個。

同時，GB2312編碼收錄了包括拉丁字母、希臘字母、日文平假名及片假名字母、俄語西裡爾字母在内的682個全角字元。

GB2312編碼的擴充,基本上采用了原來GB2312-80所有的漢字及碼位，并涵蓋了原Unicode中所有的漢字20902。

總共收錄了883個符号，21003個漢字及提供了1894個造字碼位。

由于GBK同時也涵蓋了Unicode所有CJK漢字，是以也可以和Unicode做一一對應。

混合編碼

Windows簡體中文作業系統中，ANSI是預設的編碼方式。

對于英文檔案是ASCII編碼，對于簡體中文檔案是GB2312編碼（隻針對Windows簡體中文版）