encoding - 什么是字符编码，我为什么要打扰它

Question

我对字符编码的概念很困惑。

什么是 Unicode、GBK 等？编程语言如何使用它们？

我需要费心了解他们吗？有没有一种更简单或更快的编程方式，而不必为它们烦恼？

Answer 1

(请注意，我正在松散地/通俗地使用其中一些术语来进行更简单的解释，但仍然触及关键点。)

一个字节只能有 256 个不同的值，即 8 位。

由于字符集中存在超过 256 个字符的字符集，因此一般不能简单地说每个字符都是一个字节。

因此，必须有描述如何将字符集中的每个字符转换为字节序列的映射。某些字符可能映射到单个字节，但其他字符必须映射到多个字节。

这些映射是编码，因为它们告诉您如何将字符编码为字节序列。

至于 Unicode，在非常高的层次上，Unicode 试图为每个字符分配一个唯一的编号。显然，这个数字必须比一个字节宽，因为有超过 256 个字符:) Java 使用一个 Unicode 版本，其中每个字符都被分配一个 16 位值(这就是为什么 Java 字符是 16 位宽并且有整数的原因) 0 到 65535 之间的值)。当您获得 Java 字符的字节表示时，您必须告诉 JVM 您要使用的编码，以便它知道如何为字符选择字节序列。