1. ascii碼和非ascii碼
ascii碼
我們知道，在計算機內部，所有的資訊最終都表示為乙個二進位制的字串。每乙個二進位制位（bit）有0和1兩種狀態，因此八個二進位制位就可以組合出256種狀態，這被稱為乙個位元組（byte）。也就是說，乙個位元組一共可以用來表示256種不同的狀態，每乙個狀態對應乙個符號，就是256個符號，從0000000到11111111。8個二進位制位表示乙個位元組（byte）， 乙個位元組有256中狀態
上個世紀60年代，美國制定了一套字元編碼，對英語字元與二進位制位之間的關係，做了統一規定。這被稱為ascii碼，一直沿用至今。
ascii碼一共規定了128個字元的編碼，比如空格"space"是32（二進位制00100000），大寫的字母a是65（二進位制01000001）。這128個符號（包括32個不能列印出來的控制符號），只占用了乙個位元組的後面7位，最前面的1位統一規定為0。
非 ascii碼
英語用128個符號編碼就夠了，但是用來表示其他語言，128個符號是不夠的。比如，在法語中，字母上方有注音符號，它就無法用ascii碼表示。於是，一些歐洲國家就決定，利用位元組中閒置的最高位編入新的符號。比如，法語中的é的編碼為130（二進位制10000010）。這樣一來，這些歐洲國家使用的編碼體系，可以表示最多256個符號。
但是，這裡又出現了新的問題。不同的國家有不同的字母，因此，哪怕它們都使用256個符號的編碼方式，代表的字母卻不一樣。比如，130在法語編碼中代表了é，在希伯來語編碼中卻代表了字母gimel (ג)，在俄語編碼中又會代表另乙個符號。但是不管怎樣，所有這些編碼方式中，0--127表示的符號是一樣的，不一樣的只是128--255的這一段。
至於亞洲國家的文字，使用的符號就更多了，漢字就多達10萬左右。乙個位元組只能表示256種符號，肯定是不夠的，就必須使用多個位元組表達乙個符號。比如，簡體中文常見的編碼方式是gb2312，使用兩個位元組表示乙個漢字，所以理論上最多可以表示256x256=65536個符號。
中文編碼的問題需要專文討論，這篇筆記不涉及。這裡只指出，雖然都是用多個位元組表示乙個符號，但是gb類的漢字編碼與後文的unicode和utf-8是毫無關係的。
unicode編碼
由於非ascii碼中同一編碼不同國家表示的字元不一致問題，出現了unicode編碼。unicode編碼中每個編碼對應乙個符號，是乙個符號集。它規定了字元的二進位制**，沒有規定這個二進位制**如何儲存，例如乙個符號占用多個位元組（漢字）；所以出現了unicode多種儲存方式。（utf-8, utf-16(字元用兩個或4個位元組表示), utf-32（字元用四個位元組表示））
unicode編碼與utf-8
utf-8是unicode實現方式之一, 是一種變長的編碼方式，可以使用1-4個位元組表示字元，根據不同的符號變化位元組長度。
字元編碼筆記
在用python處理多個檔案的時候,裡面存有不同編碼,使用晚上copy的編碼判斷也不好使,而我的目的也很簡單,就是在第二行加入一串文字,比如123456.那麼,在不同編碼下是否能通過讀取二進位制位元組的方式判斷到 n呢?結論在我們中文編碼和utf8中,是可以的,實際上所有的非可見字元都是可以的編碼都...
字元編碼學習筆記
1.編碼方式 數字 代表什麼 顯示為什麼 編碼 ascii,gbk,unicode 字型檔案 編碼,點陣字型 所謂的編碼，是用預先規定的方法將文字 數字或其他物件程式設計數碼。ascii碼 用乙個位元組的低七位來表示英文本元 數字和其他一些符號。也就是 說我們看到的這些字元 數字在計算機中都有對應的...
iOS 筆記 字元編碼
獲取的data是有資料的，轉換成字串愣是沒資料，經過多方面研究發現了自己的錯誤，以前一直用的解碼方式都是utf8的，所以習慣了 nsstring string nsstring alloc initwithdata data encoding nsutf8stringencoding 結果字串一直是...