关于字符编码,你所需要知道的
Unicode 的出现
虽然通过使用不同字符集， 我们可以在一台机器上查阅不同语言的文档，但是我们仍然无法解决一个 问题：在一份文档中显示所有字符。为了解决这个问题，我们需 要一个全人类达成共识的巨大的字 符集，这就是 Unicode 字符集。
Unicode 字符集概述
Unicode 字符集涵盖了目前人类使用的所有字符，并为每个字符进行统一编号，分配唯一的字符码 （Code Point）。Unicode 字符集将所有字符按照使用上的频繁度划分为 17 个层面（Plane），每 个层面上有 216=65536 个字符码空间。
这种方式的缺点在于，字符和了，要往现有字符集中加入火星文就变得 很难甚至不可能了，而且很容易破坏现有 的编码规则。
因此 Unicode 在设计上考虑到了这一点，将字符集和字符编码方案分离开。
也就是说，虽然每个字符在 Unicode 字符集中都 能找到唯一确定的编号（字符码，又称 Unicode 码），但是决定最终字节流的却是具体的字符编码。例如同样是对 Unicode 字符“A”进行编码， UTF-8 字符编码得到的字节流是 0x41，而 UTF-16（大端模式）得到的是 0x00 0x41。
（关于 936 代码页中完整的码表信息，参见 MSDN： /en-us/library/cc194913%28v=MSDN.10%29.aspx.） 按照 936 代码页的码表，当程序遇到连续字节流 0x81 0x40 的时候，就会解码为“丂”字符。
事实上，大部分 OEM 字符集是兼容 ASCII 字符集的，也就是说，大家对于 0x00~0x7F 这个范围的 解释基本是相同的，而对于后半部分 0x80~0xFF 的解释却不一定相同。甚至有时候同样的字符在不 同 OEM 字符集中对应的字节也是不同的。 不同的 OEM 字符集导致人们无法跨机器交流各种文档。例如职员甲发了一封简历 résumés 给职员 乙， 结果职员乙看到的却是 r sum s， 因为 é 字符在职员甲机器上的 OEM 字符集中对应的字节是 0x82， 而在职员乙的机 器上，由于使用的 OEM 字符集不同，对 0x82 字节解码后得到的字符却是 。
常见的 Unicode 编码
UCS-2/UTF-16 如果要我们来实现 Unicode 字符集中 BMP 字符的编码方案， 我们会怎么实现？由于 BMP 层面上有 216=65536 个字 符码，因此我们只需要两个字节就可以完全表示这所有的字符了。 举个例子，“中”的 Unicode 字符码是 0x4E2D(01001110 00101101)，那么我们可以编码为 01001110 00101101（大端）或者 00101101 01001110 （小端）。 UCS-2 和 UTF-16 对于 BMP 层面的字符均是使用 2 个字节来表示，并且编码得到的结果完全一致。 不同之处在于，UCS-2 最初设计的时候只考虑到 BMP 字符，因此使用固定 2 个字节长度，也就是 说，他 无法表示 Unicode 其他层面上的字符，而 UTF-16 为了解除这个限制，支持 Unicode 全字 符集的编解码，采用了变长编码，最少使用 2 个字节，如 果要编码 BMP 以外的字符，则需要 4 个 字节结对，这里就不讨论那么远，有兴趣可以参考维基百科：UTF-16/UCS-2。
OEM 字符集的衍生
当计算机开始发展起来的时候， 人们逐渐发现， ASCII 字符集里那可怜的 128 个字符已经不能再满足 他们的需求了。人们就在想，一个字节能够表示的 数字（编号）有 256 个，而 ASCII 字符只用到了 0x00~0x7F，也就是占用了前 128 个，后面 128 个数字不用白不用，因此很多人打起了后面这 128 个数字的主意。可是问题在于，很多人同时有这样的想法，但是大家对于 0x80-0xFF 这后面的 128 个数字分别对应什么样的字符，却有各自的想 法。这就导致了当时销往世界各地的机器上出现了大 量各式各样的 OEM 字符集。 下面这张表是 IBM-PC 机推出的其中一个 OEM 字符集，字符集的前 128 个字符和 ASCII 字符集的 基本一致 （为什么说基本一致呢， 是因为前 32 个控制字符在某些情况下会被 IBM-PC 机当作可打印 字符解释），后面 128 个字符空间加入了一些欧洲国家用到的重音字符，以及一些用于画线条画的 字符。
多字节字符集（MBCS）和中文字符集
上面我们提到的字符集都是基于单字节编码，也就是说，一个字节翻译成一个字符。这对于拉丁语系 国家来说可能没有什么问题， 因为他们通过扩展第 8 个比 特， 就可以得到 256 个字符了， 足够用了。 但是对于亚洲国家来说，256 个字符是远远不够用的。因此这些国家的人为了用上电脑，又要保持和 ASCII 字符 集的兼容，就发明了多字节编码方式，相应的字符集就称为多字节字符集。例如中国使 用的就是双字节字符集编码（DBCS，Double Byte Character Set）。 对于单字节字符集来说，代码页中只需要有一张码表即可，上面记录着 256 个数字代表的字符。程 序只需要做简单的查表操作就可以完成编解码的过程。 代码页是字符集编码的具体实现，你可以把他理解为一张“字符-字节”映射表，通过查表实现“字 符-字节”的翻译。下面会有更详细的描述。 而对于多字节字符集， 代码页中通常会有很多码表。那么程序怎么知道该使用哪张码表去解码二进制 流呢？答案是，根据第一个字节来选择不同的码表进行解析。 例如目前最常用的中文字符集 GB2312，涵盖了所有简体字符以及一部分其他字符；GBK（K 代表扩 展的意思）则在 GB2312 的基础上加入了对繁 体字符等其他非简体字符（GB18030 字符集不是双 字节字符集， 我们在讲 Unicode 的时候会提到） 。 这两个字符集的字符都是使用 1-2 个字节来表 示。 Windows 系统采用 936 代码页来实现对 GBK 字符集的编解码。在解析字节流的时候，如果遇到字
ANSI 标准、国家标准、ISO 标准
不同 ASCII 衍生字符集的出现，让文档交流变得非常困难，因此各种组织都陆续进行了标准化流程。 例如美国 ANSI 组织制定了 ANSI 标准字符编码 （注意，我们现在通常说到 ANSI 编码，通常指的 是平台的 默认编码，例如英文操作系统中是 ISO-8859-1，中文系统是 GBK），ISO 组织制定的各 种 ISO 标准字符编码， 还有各国也会制定一些国家标准字符集，例如中国的 GBK，GB2312 和 GB18030。 操作系统在发布的时候， 通常会往机器里预装这些标准的字符集还有平台专用的字符集，这样只要你 的文档是使用标准字符集编写的，通用性就比较高了。例 如你用 GB2312 字符集编写的文档，在中 国大陆内的任何机器上都能正确显示。 同时，我们也可以在一台机器上阅读多个国家不同语言的文档 了，前提是本机必 须安装该文档使用的字符集。
（上图中的 x 代表 Unicode 码的低 8 位，y 代表高 8 位） 对于 ASCII 字符的编码使用单字节，和 ASCII 编码一摸一样，这样所有原先使用 ASCII 编解码的文 档就可以直接转到 UTF-8 编码了。对于其他字符，则使用 2-4 个字节来表示，其中，首字节前置 1 的 数目代表正确解析所需要的字节数，剩余字节的高 2 位始终是 10。例如首字节是 1110yyyy，
Windows 从 NT 时代开始就采用了 UTF-16 编码，很多流行的编程平台，例如.Net，Java，Qt 还有 Mac 下的 Cocoa 等都是使用 UTF-16 作为基础的字符编码。例如代码中的字符串，在内存中相应的 字节流就是用 UTF-16 编码过的。 UTF-8 UTF-8 应该是目前应用最广泛的一种 Unicode 编码方案。 由于 UCS-2/UTF-16 对于 ASCII 字符使用 两个字节进行编码，存储和处理 效率相对低下，并且由于 ASCII 字符经过 UTF-16 编码后得到的两 个字节，高字节始终是 0x00，很多 C 语言的函数都将此字节视为字符串末尾从而导致 无法正确解 析文本。因此一开始推出的时候遭到很多西方国家的抵触，大大影响了 Unicode 的推行。后来聪明 的人们发明了 UTF-8 编码，解决了这个问 题。 UTF-8 编码方案采用 1-4 个字节来编码字符，方法其实也非常简单。
ASCII 字符集由 95 个可打印字符（0x20-0x7E）和 33 个控制字符（0x00-0x19，0x7F）组成。可 打印字符用于显示在输出设备 上，例如荧屏或者打印纸上，控制字符用于向计算机发出一些特殊指 令，例如 0x07 会让计算机发出哔的一声，0x00 通常用于指示字符串的结束，0x0D 和 0x0A 用于指 示打印机的打印针头退到行首（回车）并移到下一行（换行）。 那时候的字符编解码系统非常简单， 就是简单的查表过程。例如将字符序列编码为二进制流写入存储 设备，只需要在 ASCII 字符集中依次找到字符对应的 字节，然后直接将该字节写入存储设备即可。 解码二进制流的过程也是类似。
还是得从 ASCII 码说起
说到字符编码，不得不说 ASCII 码的简史。计算机一开始发明的时候是用来解决数字计算的问题，后 来人们发现，计算机还可以做更多的事，例如文本处 理。但由于计算机只识“数”，因此人们必须 告诉计算机哪个数字来代表哪个特定字符， 例如 65 代表字母‘A’， 66 代表字母‘B’， 以此类推。 但是计算机之间字符-数字的对应关系必须得一致， 否则就会造成同一段数字在不同计算机上显 示出 来的字符不一样。因此美国国家标准协会 ANSI 制定了一个标准，规定了常用字符的集合以及每个字 符对应的编号，这就 是 ASCII 字符集（Character Set），也称 ASCII 码。 当时的计算机普遍使用 8 比特字节作为最小的存储和处理单元，加之当时用到的字符也很少，26 个 大小写英文字母还有数字再加上其他常用符号，也不到 100 个，因此使用 7 个比特位就可以高效的 存储和处理 ASCII 码，剩下最高位 1 比特被用作一些通讯系统的奇偶校验。 注意，字节代表系统能够处理的最小单位，不一定是 8 比特。只是现代计算机的事实标准就是用 8 比特来代表一个字节。在很多技术规格文献中，为了避免产 生歧义，更倾向于使用 8 位组（Octet） 而不是字节（Byte）这个术语来强调 8 个比特的二进制流。下文中为了便于理解，我会延用大家熟 悉的“字节”这 个概念。
计算机字符编码
计算机字符编码⼀、有关编码的基础知识 1、计算机中存储单位位 bit 最⼩的单元字节 byte 机器语⾔的单位 1byte=8bits1KB = 1024byte2MB = 1024KB1GB = 1024MB 2、进制⼆进制 binary⼋进制 octal⼗进制 decimal⼗六进制 hex 3、⼏个概念 （1）字符：是各种⽂字和符号的总称，包括各个国家的⽂字，标点符号，图形符号，数字等； （2）字符集：字符集是多个符号的集合，每个字符集包含的字符个数不同。
（3）字符编码：字符集只是规定了有哪些字符，⽽最终决定采⽤哪些字符，每⼀个字符⽤多少字节表⽰等问题，则是由编码来决定的。
计算机要准确的处理各种字符集⽂字，需要进⾏字符编码，以便计算机能够识别和存储各种⽂字。
⼆、字符编码的介绍⾸先来看⼀下常⽤的编码有哪些，截图⾃Notepad++。
其中ANSI在中国⼤陆即为GBK（以前是GB2312），最常⽤的是 GBK 和 UTF8⽆BOM 编码格式。
后⾯三个都是有BOM头的⽂本格式，UCS-2即为⼈们常说的Unicode编码，⼜分为⼤端、⼩端。
所谓BOM头（Byte Order Mark）就是⽂本⽂件中开始的⼏个并不表⽰任何字符的字节，⽤⼆进制编辑器（如bz.exe）就能看到了。
UTF8的BOM头为 0xEF 0xBB 0xBFUnicode⼤端模式为 0xFE 0xFFUnicode⼩端模式为 0xFF 0xFE 如图： ⼆、编码表的由来 计算机只能识别⼆进制数据，早期由来是电信号。
为了⽅便应⽤计算机，让它可以识别各个国家的⽂字。
就将各个国家的⽂字⽤数字来表⽰，并⼀⼀对应，形成⼀张表。
这就是编码表。
⼆、ASCII码 计算机⼀开始发明的时候是⽤来解决数字计算的问题，后来⼈们发现，计算机还可以做更多的事，例如⽂本处理。
但由于计算机只识“数”，因此⼈们必须告诉计算机哪个数字来代表哪个特定字符，例如65代表字母‘A’，66代表字母‘B’，以此类推。
字符编码
1、什么是字符编码，为什么要字符编码？2、区分“字符集”和“编码”3、几种常用的字符编码。
首先介绍一下拉丁字母：拉丁字母,也叨罗马字母,是当仂丐界上使用最广的字母系统。
拉丁字母,戒者说基本的拉丁字母,就是你所常见的到的ABCD 等26 个英文字母。
原先是欧洲那边使用的,后来由亍欧洲殖民主义,导致后来的美洲等地,也是用的这套字母体系。
而其他有些地方,比如越南等,本来有自己的文字语言的,结果受西斱文化的影响和由亍基督教的传播,也用拉丁字母了。
所以总的说,现在欧洲多数国家,美洲,澳洲,非洲的多数国家,都是用的拉丁字母,即你所常见的英文字母,也是拉丁字母。
而中国的汉语拼音,也是用的这个拉丁字母。
那字符编码是什么？计算机中存放的都是0 和1 的二进制值。
8 个位对应一个字节,常用16 迚制来表示。
而我们普通用户所希望看到的是,计算机把其所存储的对应的16 迚制的数值,转化为对应的字符,包括英文和中文等其他语言的字符,然后输出到屏幕上。
而所谓编码,就是,定义了一套规则,去指定,哪些数值,对应着哪些字符。
举个最简单的例子,常见65=0x41 对应的是大写字母A,97=0x61 对应的是小写字母a,而这套数值和字母之间的映射兰系,说白了,就是一套规则,就叫做字符编码,即我们常说的ASCII 编码。
所以字符编码就是：定义了一套规则,指定了计算机中存放的这么多值中的哪个值,对应了电脑屏幕显示出来的哪个字母。
区分一下“字符集”和“编码”使用哪些字符。
也就是说哪些汉字，字母和符号会被收入标准中。
所包含“字符”的集合就叫做“字符集”。
规定每个“字符”分别用一个字节还是多个字节存储，用哪些字节来存储，这个规定就叫做“编码”。
各个国家和地区在制定编码标准的时候，“字符的集合”和“编码”一般都是同时制定的。
因此，平常我们所说的“字符集”，比如：GB2312, GBK, JIS 等，除了有“字符的集合”这层含义外，同时也包含了“编码”的含义。
各种文字编码简介+常见的编码都有介绍
各种文字编码简介ASCIIASCII码是7位编码，编码范围是0×00-0×7F。
ASCII字符集包括英文字母、阿拉伯数字和标点符号等字符。
其中0×00-0×20和0×7F共33个控制字符。
只支持ASCII码的系统会忽略每个字节的最高位，只认为低7位是有效位。
HZ字符编码就是早期为了在只支持7位ASCII系统中传输中文而设计的编码。
早期很多邮件系统也只支持ASCII编码，为了传输中文邮件必须使用BASE64或者其他编码方式。
GB2312GB2312是基于区位码设计的，区位码把编码表分为94个区，每个区对应94个位，每个字符的区号和位号组合起来就是该汉字的区位码。
区位码一般用10进制数来表示，如1601就表示16区1位，对应的字符是“啊”。
在区位码的区号和位号上分别加上0xA0就得到了GB2312编码。
区位码中01-09区是符号、数字区，16-87区是汉字区，10-15和88-94是未定义的空白区。
它将收录的汉字分成两级：第一级是常用汉字计3755个，置于16-55区，按汉语拼音字母/笔形顺序排列；第二级汉字是次常用汉字计3008个，置于56-87区，按部首/笔画顺序排列。
一级汉字是按照拼音排序的，这个就可以得到某个拼音在一级汉字区位中的范围，很多根据汉字可以得到拼音的程序就是根据这个原理编写的。
GB2312字符集中除常用简体汉字字符外还包括希腊字母、日文平假名及片假名字母、俄语西里尔字母等字符，未收录繁体中文汉字和一些生僻字。
可以用繁体汉字测试某些系统是不是只支持GB2312编码。
GB2312的编码范围是0xA1A1-0×7E7E，去掉未定义的区域之后可以理解为实际编码范围是0xA1A1-0xF7FE。
EUC-CN可以理解为GB2312的别名，和GB2312完全相同。
区位码更应该认为是字符集的定义，定义了所收录的字符和字符位置，而GB2312及EUC-CN是实际计算机环境中支持这种字符集的编码。
1编码规则及分类指导
1编码规则及分类指导编码规则是为了规范和统一信息的表示和传输而制定的一系列规则。
编码规则的分类指导可以根据不同的编码目的和应用场景进行划分。
本文将介绍一些常见的编码规则及分类指导。
一、字符编码规则字符编码规则是将字符映射为二进制数的一种规则。
常见的字符编码规则有ASCII码、Unicode和UTF-8等。
1. ASCII码：ASCII（American Standard Code for Information Interchange）是最早的字符编码规则，它使用7位二进制数来表示128个字符，包括英文字母、数字、标点符号以及一些控制字符。
ASCII码只能表示英文字符，对于其他语言的文字则不支持。
2. Unicode：Unicode是一种更为通用的字符编码规则，它支持全球各种语言字符的表示。
Unicode使用整数来表示字符，为每个字符分配一个唯一的码点（code point），从而避免了字符在不同系统中的不一致性。
Unicode有多种实现形式，其中UTF-8和UTF-16应用较广泛。
3. UTF-8：UTF-8是一种实现Unicode的编码规则。
UTF-8使用一至四个字节来表示一个字符，根据字符所在的范围分配不同长度的编码。
对于英文字符，UTF-8与ASCII码兼容，即使用相同的编码。
UTF-8在网络传输和存储中广泛应用，因为它可以节省空间。
二、数值编码规则数值编码规则是将数值映射为二进制数的一种规则。
常见的数值编码规则有二进制、十进制和小数定点表示法等。
1.二进制编码：二进制编码是将数值表示为二进制数的一种规则。
二进制编码非常简单，只由0和1两个数字组成，适合计算机内部的数据表示。
在数字传输和储存中，常通过二进制编码来表示各种数值。
2.十进制编码：十进制编码是我们日常生活中最常用的表示数值的方式。
十进制编码使用0-9十个数字来表示数值，以10作为基数。
十进制编码适合人类理解和使用，但在计算机内部需要转为二进制来进行计算。
编码的基础知识
编码的基础知识编码是用预先规定的方法将文字、数字或其他对象编成数码，或将信息、数据转换成规定的电脉冲信号。
编码知识你知道多少呢?以下是由店铺整理关于编码的知识，希望大家喜欢!编码的定义编码是根据一定的协议或格式把模拟信息转换成比特流的过程。
在计算机硬件中，编码(coding)是在一个主题或单元上为数据存储，管理和分析的目的而转换信息为编码值(典型地如数字)的过程。
在软件中，编码意味着逻辑地使用一个特定的语言如C或C++来执行一个程序。
在密码学中，编码是指在编码或密码中写的行为。
将数据转换为代码或编码字符，并能译为原数据形式。
是计算机书写指令的过程，程序设计中的一部分。
在地图自动制图中，按一定规则用数字与字母表示地图内容的过程，通过编码，使计算机能识别地图的各地理要素。
n位二进制数可以组合成2的n次方个不同的信息，给每个信息规定一个具体码组，这种过程也叫编码。
编码的简介GB编码标准中，比较常用的是GB2312和GBK两种，GB2312是GBK的一个子集，GB2312编码范围是 0xA1A1 - 0xFEFE ，如果纯粹的 GB2312编码，处理起来是十分简单的，但处理GBK字符集时有些小的提示，先说说GBK编码的标准吧：GBK 采用双字节表示，总体编码范围为8140-FEFE，首字节在81-FE 之间，尾字节在 40-FE 之间，剔除 xx7F 一条线。
总计 23940 个码位，共收入21886 个汉字和图形符号，其中汉字(包括部首和构件)21003 个，图形符号 883 个。
编码的分类1. 汉字区。
包括：a. GB 2312 汉字区。
即 GBK/2: B0A1-F7FE。
收录 GB 2312 汉字6763 个，按原顺序排列。
b. GB 13000.1 扩充汉字区。
包括：(1) GBK/3: 8140-A0FE。
收录 GB 13000.1 中的 CJK 汉字 6080 个。
(2) GBK/4: AA40-FEA0。
字符和汉字编码
字符和汉字编码一、字符集编码字符集编码是指将字符集中的字符转换为计算机可识别的二进制编码。
常见的字符集编码包括ASCII编码、GB2312编码、GBK编码、UTF-8编码等。
1. ASCII编码：ASCII编码是最常用的字符集编码，它包含了128个字符，每个字符用一个字节的二进制数表示。
2. GB2312编码：GB2312编码是中国大陆使用的字符集编码，它包含了6763个汉字和一些其他的字符。
3. GBK编码：GBK编码是中国大陆使用的扩展字符集编码，它包含了20902个汉字和一些其他的字符。
4. UTF-8编码：UTF-8编码是一种可变长度的字符集编码，它包含了几乎所有的语言字符，包括汉字。
二、汉字编码汉字编码是指将汉字转换为计算机可识别的二进制编码。
常见的汉字编码包括GB2312编码、GBK编码、UTF-8编码等。
1. GB2312编码：GB2312编码是中国大陆使用的汉字编码，它包含了6763个汉字。
2. GBK编码：GBK编码是中国大陆使用的扩展汉字编码，它包含了20902个汉字。
3. UTF-8编码：UTF-8编码是一种可变长度的汉字编码，它包含了几乎所有的语言字符，包括汉字。
三、字符和汉字的输入方法字符和汉字的输入方法包括键盘输入、手写输入、语音输入等。
1. 键盘输入：通过键盘输入字符和汉字，是最常用的输入方法。
2. 手写输入：通过手写输入汉字，通常需要使用专门的识别软件。
3. 语音输入：通过语音输入汉字，通常需要使用语音识别软件。
四、字体和字形的表示字体和字形的表示包括矢量字体和点阵字体。
矢量字体是一种数学描述的字体，可以无损放大；点阵字体是一种像素点的集合，放大后会出现失真。
五、编码标准编码标准是指制定字符集编码和汉字编码的规范和标准。
中国制定了《信息交换用汉字编码字符集》等标准，国际上制定了ISO/IEC 10646等标准。
六、字符和汉字的输出方法字符和汉字的输出方法包括屏幕输出、打印机输出、文件输出等。
字符的编码
扩展ASCII
• 为了表示更多的字符，各厂商制定了很多 扩展ASCII规范，但不属于ASCII标准。 IBM定制的扩展ASCII表：
大写“A”8×8点阵
汉字有多少？
• • • • • • • • • • 《说文解字》（公元100年）收9353字； 《声类》（227－239年）收11520字； 《玉篇》（543年）收22726字； 《唐韵》（751年）收26194字； 《类篇》（1066年）收31319字； 《字汇》（1615年）收33179字； 《康熙字典》（1716年）收47035字； 《中华大字典》（1915年）收48000字； 《中文大字典》（1968年）收49905字； 《汉语大字典》（1986年）收56000字。
汉字编码
输入码
（1）汉字输入码。 汉字输入码是为用户由计算机 外部设备输入汉字而编制的汉字编码，又称外码。 汉字输入码位于人机界面上，面向用户，编码原 则简单易记，操作方便，有利于提高输入速度， 汉字的输入编码很多，归纳起来主要有数字编码、 字音编码、字形编码和音形结合编码等几大类， 每种方案对汉字的输入编码并不相同，但经转换 后存入计算机内的机内码均相同。例如，我们以 全拼输入编码键入“jin”，或以五笔字型输入法 键入“QQQQ”都能得到“金”这个汉字对应的 机内码。这个工作由汉字代码转换程序依照事先 编制好的输入码对照表完成转换。
汉字编码 区位码
例 已知“戴”字的区位码是2087， 求“戴”的机内码16进制和2进制。 解：“戴”的区位码 = 1457 H， “戴”的机内码 = 1457 H + A0A0 H = B4F7 H = 1011010011110111 B。
汉字编码
字形码
（4）汉字字形码。 汉字字形码是表示汉字字形 信息的编码,也叫输出码、点阵码。目前在汉 字信息处理系统中大多以点阵方式形成汉字， 所以汉字字形码就是确定一个汉字字形点阵的 代码，全点阵字形中的每一点用一个二进制位 来表示，随着字形点阵的不同，它们所需要的 二进制位数也不同，例24×24的字形点阵， 每字需要72字节；32×32的字形点阵，每字 共需128字节，与每个汉字对应的这一串字节， 就是汉字的字形码。
编码知识点梳理
编码知识点梳理编码是计算机科学中一个至关重要的领域，它涉及到信息的表示、传输和处理。
本文将对编码领域的知识点进行梳理，以帮助读者更好地理解和掌握这一关键技术。
一、编码的基本概念1. 信息：信息是数据的抽象，是传递意义的内容。
信息可以通过不同的方式表示和处理，如文字、图像、声音等。
2. 数据：数据是信息的具体表现形式，可以是数字、字符、图像等。
数据是计算机处理的对象。
3. 编码：编码是将信息转换为数据的过程。
编码的目的是为了方便信息的传输和处理。
二、编码的分类1. 数字编码：数字编码是将模拟信号转换为数字信号的过程。
常见的数字编码方式有脉冲编码调制（PCM）。
2. 字符编码：字符编码是将字符转换为可以由计算机处理的数字代码的过程。
常见的字符编码方式有ASCII码、Unicode 等。
3. 线路编码：线路编码是将数字信号转换为适合在传输介质上传播的信号的过程。
常见的线路编码方式有单极性编码、双极性编码、差分编码等。
4. 源编码：源编码是为了减少数据的冗余度，提高传输效率。
常见的源编码方式有霍夫曼编码、LZW压缩等。
三、编码的数学基础1. 组合数学：组合数学研究离散结构及其性质，如排列组合、图论等。
组合数学为编码理论提供了重要的理论基础。
2. 数论：数论研究整数及其性质，如素数、最大公约数等。
数论在编码理论中有着广泛的应用，如循环冗余校验（CRC）。
3. 概率论与统计学：概率论与统计学研究随机现象的规律性，为编码理论提供了分析数据冗余度的方法。
四、编码算法与应用1. 线路编码算法：常见的线路编码算法有单极性编码、双极性编码、差分编码等。
它们在数据通信、计算机网络等领域有着广泛应用。
2. 源编码算法：常见的源编码算法有霍夫曼编码、LZW压缩等。
它们在数据压缩、光盘存储等领域有着广泛应用。
3. 信道编码算法：信道编码是为了提高数据传输的可靠性。
常见的信道编码算法有卷积编码、汉明编码、里德-所罗门编码等。
4. 网络编码算法：网络编码是为了提高网络传输的效率。
计算机常用的编码
计算机常用的编码一、字符编码字符编码是用于将字符集（如英文字母、数字、标点符号等）转换为计算机可以理解的二进制数的一种方式。
以下是几种常见的字符编码：1.ASCII码：ASCII码是用于将字符集转换为二进制数的标准编码方式。
它包含了128个不同的字符，每个字符由7位二进制数表示。
2.Unicode：Unicode是一种国际化的字符编码标准，它包含了世界上几乎所有语言的字符。
每个Unicode字符由16位二进制数表示。
3.GB2312和GBK：GB2312是中国国家强制标准，包含了6000多个常用汉字和英文符号。
GBK是在GB2312基础上扩展的，包含了更多的汉字和符号。
4.UTF-8：UTF-8是一种可变长度的字符编码，它能够表示任何Unicode字符。
UTF-8编码的每个字符由1到4个字节表示，对于英文字母和数字，UTF-8编码与ASCII码相同。
二、数值编码数值编码是用于将数值转换为二进制数的一种方式。
以下是几种常见的数值编码：1.二进制：二进制是最简单的数值编码方式，只有0和1两种状态。
2.十进制：十进制是我们日常使用的数值编码方式，它有0到9共10个数字。
3.十六进制：十六进制是一种简化的数值编码方式，它有0到9和A到F共16个数字。
在计算机科学中，十六进制常用于表示二进制数的简写方式。
三、图像编码图像编码是将图像数据转换为二进制数的一种方式。
以下是几种常见的图像编码：1.JPEG：JPEG是一种常用的图像压缩标准，它采用有损压缩算法，能够在保证图像质量的前提下，大大减少图像数据的存储空间。
2.PNG：PNG是一种无损压缩的图像格式，它能够保留原始图像的所有信息，并且在压缩后不失真。
PNG广泛应用于网页设计、软件界面设计等领域。
3.GIF：GIF是一种基于LZW算法的压缩图像格式，它可以支持动态图像和透明背景。
GIF广泛应用于网页中的动画、图标等设计。
四、音频编码音频编码是将音频数据转换为二进制数的一种方式。
几种常用的字符编码
常用的字符编码包括以下几种：
1. ASCII码：这是美国在19世纪60年代的时候为了建立英文字符和二进制的关系时制定的编码规范，它能表示128个字符，其中包括英文字符、阿拉伯数字、西文字符以及32个控制字符。
它用一个字节来表示具体的字符，但它只用后7位来表示字符（2^7=128），最前面的一位统一规定为0。
2. 扩展的ASCII码：原本的ASCII码对于英文语言的国家是够用了，但是欧洲国家的一些语言会有拼音，这时7个字节就不够用了。
因此一些欧洲国家就决定，利用字节中闲置的最高位编入新的符号。
比如，法语中的é的编码为130（二进制10000010）。
这样一来，这些欧洲国家使用的编码体系，可以表示最多256个符号。
此外，还有Unicode编码，世界上存在着多种编码方式，同一个二进制数字可以被解释成不同的符号。
以上内容仅供参考，如需更多信息，建议查阅计算机方面的专业书籍或咨询相关专业人士。