详解计算机中的各种编码

阅读更多

最近一直在复习，遇到神马各种码弄得我非常郁闷，最终专题研究了一下，留给自己一份材料，也分享给大家……
本文所说的编码，主要针对字符的IO的编码，不涉及数字编码，视频、音频编码和校验码之类其他编码……
这些资料都是收集自网上各种地方，由于太碎了，所以就不声明引自哪篇文章了……

一、ASCII码
最简单也是最离不开的一种编码，直接对应英文和键盘，计算机中的任何键盘输入都离不开ASCII，每次按下某个键，计算机都得到一个ASCII，无论你输入的是拼音还是五笔，计算机只认识ASCII……

二、汉字编码
1、输入码、内码、字形码
输入码：举例来说，我们所说的输入码就是输入法，比如拼音、五笔什么的，一串字母表示一个汉字（不讨论多个汉字的问题）
内码：汉字在计算机中用于运算和存储所使用的代码，这个代码是统一的
字形码：就是点阵，那些坐标亮，哪些不亮，然后让你看着是一个汉字的形状……

2、区位码、国标码、汉字内码
区位码：就是按照行列的形式吧汉字放在“格”中，然后通过行列数来确定某个汉字的方法，行表示区，列表示位，所以叫区位码。需要特别说明的是，区位码（包括国标码）只是一种编码方法并不是特指某一个编码（比如gb2312）……
国标码：由于当初设计区位码的时候，考虑的比较少，区位码和通信中的控制字符存在二义性，所以ISO就规定将区位码加上2020H变成国标码以消除这种二义性……
汉字内码：虽然解决了通信的问题，但是国标码在计算机的存储中又和ACSII码之间存在二义性，所以又规定在国标码的基础之上再加上8080H变成汉字内码，这样，汉字就可以在计算机中不和任何其他字符编码产生冲突了……
这里需要另外说明一下的是交换码，交换码是一种描述功能的编码（和内码是一起的），与区位码这种描述编码方式的编码没有交集。它表示一种字符在进行数据交换的过程中采用的一种双方都认可的，不会产生冲突的编码方式。实际上ASCII就是即是内码（不是汉字内码，就叫内码），也是交换码，而汉字编码中只有汉字内码才是交换码，区位码和国标码只是给人看的编码，必须变成内码才能被计算机使用……

3、GB2312、GBK、GB18030
这三种编码如果要和上面的汉字编码方式对应，都应该算作区位码，也就是说都是按照行列的形式用数字标识汉字的。但是很多人会想当然的认为看到了GB就是国标码，实则不然，这里的GB表示我们提出了一个汉字的国际标准编码方式，而我们上面说的国标码是一个技术上的概念（但是都叫国标码，所以经常容易被人误解）。况且这三种编码并不都是国家标准，我们最常见的GBK就不是国家标准，而是在GB2312之上的一种扩展，可是算是事实上的标准。这三种编码的兼容顺序是GB18030兼容GBK，GBK兼容GB2312……

unicode（万国码，名字很囧）
这种编码方式是为了囊括全世界的语言而提出的一种编码标准，需要注意的是，这个标准是给人看的标准而不是给计算机看的标准，所以我们讨论编码的时候从来不讨论unicode编码，而是讨论utf8，utf16和utf32，这三种编码是专门为计算机设计的编码，虽然都是根据unicode标准，但却是3种不同的格式，我们通常说的unicode编码，实际上指的是utf16编码……
另外，汉字的编码（区位码）和ASCII是不兼容的（所以要变成内码，利用高位来判断是哪种编码），但是unicode编码和ASC
II是兼容的，也就是说ASCII是unicode码的一个子集……