草丁图书馆

  1. 首页 > 生活百科 >

acssll码怎么求 ascii在线编码转换工具

生活百科

一、ASCII 码我们知道 ， 计算机内部 ， 所有信息最终都是一个二进制值 。每一个二进制位（bit）有0和1两种状态 ， 因此八个二进制位就可以组合出256种状态 ， 这被称为一个字节（byte） 。也就是说 ， 一个字节一共可以用来表示256种不同的状态 ， 每一个状态对应一个符号 ， 就是256个符号 ， 从00000000到11111111 。
上个世纪60年代 ， 美国制定了一套字符编码 ， 对英语字符与二进制位之间的关系 ， 做了统一规定 。这被称为 ASCII 码 ， 一直沿用至今 。
ASCII 码一共规定了128个字符的编码 ， 比如空格SPACE是32（二进制00100000） ， 大写的字母A是65（二进制01000001） 。这128个符号（包括32个不能打印出来的控制符号） ， 只占用了一个字节的后面7位 ， 最前面的一位统一规定为0 。
二、非 ASCII 编码英语用128个符号编码就够了 ， 但是用来表示其他语言 ， 128个符号是不够的 。比如 ， 在法语中 ， 字母上方有注音符号 ， 它就无法用 ASCII 码表示 。于是 ， 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 。
但是 ， 这里又出现了新的问题 。不同的国家有不同的字母 ， 因此 ， 哪怕它们都使用256个符号的编码方式 ， 代表的字母却不一样 。比如 ， 130在法语编码中代表了é ， 在希伯来语编码中却代表了字母Gimel (?) ， 在俄语编码中又会代表另一个符号 。但是不管怎样 ， 所有这些编码方式中 ， 0–127表示的符号是一样的 ， 不一样的只是128–255的这一段 。
至于亚洲国家的文字 ， 使用的符号就更多了 ， 汉字就多达10万左右 。一个字节只能表示256种符号 ， 肯定是不够的 ， 就必须使用多个字节表达一个符号 。比如 ， 简体中文常见的编码方式是 GB2312 ， 使用两个字节表示一个汉字 ， 所以理论上最多可以表示 256 x 256 = 65536 个符号 。
中文编码的问题需要专文讨论 ， 这篇笔记不涉及 。这里只指出 ， 虽然都是用多个字节表示一个符号 ， 但是GB类的汉字编码与后文的 Unicode 和 UTF-8 是毫无关系的 。
三. Unicode正如上一节所说 ， 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 。因此 ， 要想打开一个文本文件 ， 就必须知道它的编码方式 ， 否则用错误的编码方式解读 ， 就会出现乱码 。为什么电子邮件常常出现乱码？就是因为发信人和收信人使用的编码方式不一样 。
可以想象 ， 如果有一种编码 ， 将世界上所有的符号都纳入其中 。每一个符号都给予一个独一无二的编码 ， 那么乱码问题就会消失 。这就是 Unicode ， 就像它的名字都表示的 ， 这是一种所有符号的编码 。
Unicode 当然是一个很大的集合 ， 现在的规模可以容纳100多万个符号 。每个符号的编码都不一样 ， 比如 ， U+0639表示阿拉伯字母Ain ， U+0041表示英语的大写字母A ， U+4E25表示汉字严 。具体的符号对应表 ， 可以查询unicode.org ， 或者专门的汉字对应表 。
四、Unicode 的问题需要注意的是 ， Unicode 只是一个符号集 ， 它只规定了符号的二进制代码 ， 却没有规定这个二进制代码应该如何存储 。
比如 ， 汉字严的 Unicode 是十六进制数4E25 ， 转换成二进制数足足有15位（100111000100101） ， 也就是说 ， 这个符号的表示至少需要2个字节 。表示其他更大的符号 ， 可能需要3个字节或者4个字节 ， 甚至更多 。
这里就有两个严重的问题 ， 第一个问题是 ， 如何才能区别 Unicode 和 ASCII ？计算机怎么知道三个字节表示一个符号 ， 而不是分别表示三个符号呢？第二个问题是 ， 我们已经知道 ， 英文字母只用一个字节表示就够了 ， 如果 Unicode 统一规定 ， 每个符号用三个或四个字节表示 ， 那么每个英文字母前都必然有二到三个字节是0 ， 这对于存储来说是极大的浪费 ， 文本文件的大小会因此大出二三倍 ， 这是无法接受的 。
它们造成的结果是：1）出现了 Unicode 的多种存储方式 ， 也就是说有许多种不同的二进制格式 ， 可以用来表示 Unicode 。2）Unicode 在很长一段时间内无法推广 ， 直到互联网的出现 。
五、UTF-8互联网的普及 ， 强烈要求出现一种统一的编码方式 。UTF-8 就是在互联网上使用最广的一种 Unicode 的实现方式 。其他实现方式还包括 UTF-16（字符用两个字节或四个字节表示）和 UTF-32（字符用四个字节表示） ， 不过在互联网上基本不用 。重复一遍 ， 这里的关系是 ， UTF-8 是 Unicode 的实现方式之一 。
UTF-8 最大的一个特点 ， 就是它是一种变长的编码方式 。它可以使用1~4个字节表示一个符号 ， 根据不同的符号而变化字节长度 。
UTF-8 的编码规则很简单 ， 只有二条：
1）对于单字节的符号 ， 字节的第一位设为0 ， 后面7位为这个符号的 Unicode 码 。因此对于英语字母 ， UTF-8 编码和 ASCII 码是相同的 。
2）对于n字节的符号（n > 1） ， 第一个字节的前n位都设为1 ， 第n + 1位设为0 ， 后面字节的前两位一律设为10 。剩下的没有提及的二进制位 ， 全部为这个符号的 Unicode 码 。
下表总结了编码规则 ， 字母x表示可用编码的位 。
Unicode符号范围 | UTF-8编码方式(十六进制) | （二进制）----------------------+---------------------------------------------0000 0000-0000 007F | 0xxxxxxx0000 0080-0000 07FF | 110xxxxx 10xxxxxx0000 0800-0000 FFFF | 1110xxxx 10xxxxxx 10xxxxxx0001 0000-0010 FFFF | 11110xxx 10xxxxxx 10xxxxxx 10xxxxxx跟据上表 ， 解读 UTF-8 编码非常简单 。如果一个字节的第一位是0 ， 则这个字节单独就是一个字符；如果第一位是1 ， 则连续有多少个1 ， 就表示当前字符占用多少个字节 。
下面 ， 还是以汉字严为例 ， 演示如何实现 UTF-8 编码 。
严的 Unicode 是4E25（100111000100101） ， 根据上表 ， 可以发现4E25处在第三行的范围内（0000 0800 – 0000 FFFF） ， 因此严的 UTF-8 编码需要三个字节 ， 即格式是1110xxxx 10xxxxxx 10xxxxxx 。然后 ， 从严的最后一个二进制位开始 ， 依次从后向前填入格式中的x ， 多出的位补0 。这样就得到了 ， 严的 UTF-8 编码是11100100 10111000 10100101 ， 转换成十六进制就是E4B8A5 。
六、Unicode 与 UTF-8 之间的转换通过上一节的例子 ， 可以看到严的 Unicode码 是4E25 ， UTF-8 编码是E4B8A5 ， 两者是不一样的 。它们之间的转换可以通过程序实现 。
Windows平台 ， 有一个最简单的转化方法 ， 就是使用内置的记事本小程序notepad.exe 。打开文件后 ， 点击文件菜单中的另存为命令 ， 会跳出一个对话框 ， 在最底部有一个编码的下拉条 。
里面有四个选项：ANSI ， Unicode ， Unicode big endian和UTF-8 。
1）ANSI是默认的编码方式 。对于英文文件是ASCII编码 ， 对于简体中文文件是GB2312编码（只针对 Windows 简体中文版 ， 如果是繁体中文版会采用 Big5 码） 。
2）Unicode编码这里指的是notepad.exe使用的 UCS-2 编码方式 ， 即直接用两个字节存入字符的 Unicode 码 ， 这个选项用的 little endian 格式 。
3）Unicode big endian编码与上一个选项相对应 。我在下一节会解释 little endian 和 big endian 的涵义 。
4）UTF-8编码 ， 也就是上一节谈到的编码方法 。
选择完”编码方式”后 ， 点击”保存”按钮 ， 文件的编码方式就立刻转换好了 。
七、Little endian 和 Big endian上一节已经提到 ， UCS-2 格式可以存储 Unicode 码（码点不超过0xFFFF） 。以汉字严为例 ， Unicode 码是4E25 ， 需要用两个字节存储 ， 一个字节是4E ， 另一个字节是25 。存储的时候 ， 4E在前 ， 25在后 ， 这就是 Big endian 方式；25在前 ， 4E在后 ， 这是 Little endian 方式 。
这两个古怪的名称来自英国作家斯威夫特的《格列佛游记》 。在该书中 ， 小人国里爆发了内战 ， 战争起因是人们争论 ， 吃鸡蛋时究竟是从大头(Big-endian)敲开还是从小头(Little-endian)敲开 。为了这件事情 ， 前后爆发了六次战争 ， 一个皇帝送了命 ， 另一个皇帝丢了王位 。
第一个字节在前 ， 就是”大头方式”（Big endian） ， 第二个字节在前就是”小头方式”（Little endian） 。
那么很自然的 ， 就会出现一个问题：计算机怎么知道某一个文件到底采用哪一种方式编码？
Unicode 规范定义 ， 每一个文件的最前面分别加入一个表示编码顺序的字符 ， 这个字符的名字叫做”零宽度非换行空格”（zero width no-break space） ， 用FEFF表示 。这正好是两个字节 ， 而且FF比FE大1 。
如果一个文本文件的头两个字节是FE FF ， 就表示该文件采用大头方式；如果头两个字节是FF FE ， 就表示该文件采用小头方式 。
八、实例下面 ， 举一个实例 。
打开”记事本”程序notepad.exe ， 新建一个文本文件 ， 内容就是一个严字 ， 依次采用ANSI ， Unicode ， Unicode big endian和UTF-8编码方式保存 。
然后 ， 用文本编辑软件UltraEdit 中的”十六进制功能” ， 观察该文件的内部编码方式 。
1）ANSI：文件的编码就是两个字节D1 CF ， 这正是严的 GB2312 编码 ， 这也暗示 GB2312 是采用大头方式存储的 。
2）Unicode：编码是四个字节FF FE 25 4E ， 其中FF FE表明是小头方式存储 ， 真正的编码是4E25 。
3）Unicode big endian：编码是四个字节FE FF 4E 25 ， 其中FE FF表明是大头方式存储 。
4）UTF-8：编码是六个字节EF BB BF E4 B8 A5 ， 前三个字节EF BB BF表示这是UTF-8编码 ， 后三个E4B8A5就是严的具体编码 ， 它的存储顺序与编码顺序是一致的 。
【acssll码怎么求 ascii在线编码转换工具】以上就是acssll码怎么求（ascii在线编码转换工具）的相关内容了 ， 更多精彩内容请关注！

    推荐阅读


    上一篇：金屋藏娇的故事与哪一位皇帝有关

    下一篇：吃猕猴桃的季节