ANSI，這是美國國家標準協會制定的編碼格式。比如這種編碼方式下“阿漢”的記憶值是465，438+0巴巴，‘A’占壹個字節，“漢”用兩個字節，還有巴官方的碼的值，那麽我們先來了解壹下編碼。GB 2312-> GBK，GB 6544。GBK->；GB18030，它們是包容的，GB的意思是“國標”，“k”可能是“擴展”的意思。這些代碼是書面協議，應該在計算機中表達。所以GB2312的內存值必須在原字節值(位置碼)上加0x80才能得到內碼，加0x80的目的是使每個字節的最高位為。這樣就可以在內存中區分漢字和ASCII[因為ASCII的最高位是0]。但是後來如果要在GB2312上擴展(得到GBK，GB18030)就需要更多的編碼空間，所以GBK，GB18030不要求第二個字節的最高位是1。而是通過第壹個字節來判斷這是壹個字節的ASCII碼還是兩個字節的GBK碼。另外，需要註意的是，GB2312、GBK和GB 18030都是來自向後兼容。如GB 2312、和GB 18030中的“漢”為巴。此外，GBK並沒有因為GB18030的出現而退出市場，在壹些嵌入式設備中仍然廣泛使用，因為減小字體大小可以大大降低成本。回到之前的ANSI，我們大概知道GBK(不知道為什麽大家喜歡用GBK而不是GB18030，就說GBK只有三個字母吧，寫起來方便！)，而ANSI呢？ANSI就像壹個指針，沒有內容。如果它指向“中國的代碼”，那就是GBK，如果它指向“印度的代碼”，那就是X？十、也就是說，ANSI在中國是GBK，在日本是XXX，在印度是ANSI，但是他們在windows記事本裏只能看到ANSI。但是ANSI也做了壹些小改動，就像剛才‘a’在內存中只占壹個字節，也就是說ANSI = ASCII+本地編碼Unicode:但是我們怎麽能在壹個中文素材中寫日文符號呢？這個時候Unicode出現了，但是是誰發明的呢？反正Unicode囊括了世界上所有的字符，不僅解決了剛才說的問題，程序員用Unicode寫的程序也可以在全世界的電腦上運行。在C語言中，wchar_t用來表示。UCS:據說UCS和Unicode是同壹個項目，後兩個項目實現* * *識別。所以編碼完全兼容。所以我把UCS當成Unicode。這裏的UCS-2俗稱UCS，只用兩個字節保存壹個字符，而UCS-4用四個字節保存壹個字符。UTF-8: (ucs轉換格式)，為什麽要創建UTF-8？原因之壹是0x00在C語言和操作系統文件名(等)中有著特殊的含義(比如壹個字符串的結束)。).但是，根據Unicode編碼，很可能該字符的第壹個字節(高字節)是非零值，低字節為零。這樣，C語言就會把這個誤認為是字符串的結尾。所以UTF-8的壹個作用就是保證Unicode編碼表中沒有0x00(當然正常的0x00也可以)UCS-2編碼和Unicode(16) UTF-8字節流(二進制)。
0000 - 007F 0xxxxxxx
0080-07ff 110 xxxxx x 10 xxxxx(第壹個1後面有幾個1，表示還有壹個字節，這裏有1)。
0800-ffff 1110 xxxxx x 10 xxxxx 10 xxxxx(第壹個1後面有幾個1，表示還有壹個字節。還有兩架)應該是UTF-8。它不需要判斷模式的大小，所以有利於網絡傳輸(不知道為什麽)(BOM)。我們可以通過BOM判斷文字是否是UTF-8。打開文本文件如何判斷是哪種編碼？1)提示用戶選擇編碼類型2)按照壹定的規則猜測編碼類型3)檢測文件頭標識符識別編碼類型。
EF BB BF UTF-8
Fe ff utf-16/UCS-2 (Unicode)，Little Endian，(在只有壹個字母' a '的中文文件中，文件的內容是FE FF 00 41)。
FF FEUTF-16/UCS-2 (Unicode)，Big Endian，(在只有壹個字母' a '的中文文件中，文件內容是FF FE 41 00)。
FF FE 00 00 UTF-32/UCS-4，小端。
00 00 FE FF UTF-32/UCS-4，大端。位置碼國家標準(GBK)內碼“漢”1a1a3ababa GB =位置碼+0x20(每字節)內碼= GB (GBK)+0x80(每字節)。
上一篇:化妝品怎麽進行產品備案下一篇:生物制藥能否考公務員