字符编码是计算机技术的基础理论,其字符编码有ASCII码、UTF-8、还有就是GB2312,当然这是在中国常用的。

1、ASCII码

在计算机内部所有的信息都是以二进制字符进行存储。用每个二进制位中的0和1,八个二进制就可以组合256种状态,成为一个字节。意味着一个字节可以用来表示256种状态。

在计算机开始普及阶段,美国制定一套字符编码,对英语字符与二进制位关系进行统一规定,成为ASCII码,一直沿用至今。

ASCII码一共规定了128个字符编码,比如空格“SPACE”是32,大写的字母A是65.ASCII码规定字符占用两个字节,最前面的字节统一规定为0,只占用后面字节的7位。

2、非ASCII编码

英语用128个符号编码就够了,但是针对其他语言128符号是不够的,同时不同的国家有不同的字母,至于中国有汉字10万多个,一个字节肯定是不够的。比如常见的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*256= 65536个符号。

3、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。

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。

4、UTF-8

互联网的普及,强烈要求统一编码进行存储。UTF-8现为使用最广的unicode实现方式。其他实现方式还包括UTF-16和UTF-32,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。一般是3个字节表示一个字符。

UTF-8是兼容ASCII编码,对于像汉字这样的就是用三个字节。

5、Unicode与UTF-8之间的转换

在Windows平台下,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。

a)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*,程序中Encoding.Default就是这。只针对Windows简体中文版,如果是繁体中文版会采用Big5码)。

c)Unicode编码指的是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。

d)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。

e)UTF-8编码,也就是上一节谈到的编码方法。对于此编码转化为byte的时候会有三个字节表示编码方式。

6、程序代码

在.NET中提供了编码转换,为Syetem.Text.Encoding基本常用的方法为:

Encoding.GetEncoding 方法:返回指定代码页的编码。

Encoding.UTF8 属性:获取 UTF-8 格式的编码。

Encoding.GetBytes 方法 (String):在派生类中重写时,将指定的 string 中的所有字符编码为一个字节序列。

Encoding.GetString 方法

Encoding.GetString (Byte[]) 在派生类中重写时,将指定字节数组中的所有字节解码为一个字符串。

Encoding.GetString (Byte[], Int32, Int32) 在派生类中重写时,将指定字节数组中的一个字节序列解码为一个字符串。

7、代码实例

 //ASCII,UTF7,UTF8,UTF32,UNICODE
byte[] bytes1 = Encoding.ASCII.GetBytes(_test);
byte[] bytes2 = Encoding.UTF8.GetBytes(_test);
byte[] bytes3 = Encoding.Unicode.GetBytes(_test);
//
string s1 = Encoding.ASCII.GetString(bytes1);
string s2 = Encoding.UTF8.GetString(bytes2);
string s3 = Encoding.Unicode.GetString(bytes3);
//
//GB2312,BIG5
byte[] bytes4 = Encoding.GetEncoding("GB2312").GetBytes(_test);
byte[] bytes5 = Encoding.GetEncoding("BIG5").GetBytes(_test);
//
string s4 = Encoding.GetEncoding("GB2312").GetString(bytes4);
string s5 = Encoding.GetEncoding("BIG5").GetString(bytes5);
//

总结

在开始阶段为了适应计算机,制定了ASCII编码,后来为了在中国广泛推广,制定了GB2312编码,此编码兼容ASCII编码也是一个字符占用两个字节。Unicode是一个国际码表,所有字符是两个字节。后来国际制定统一的编码方式就是UTF-8,英文一个字节,中文3个字节。

c#基础语言编程-编码的更多相关文章

  1. c#基础语言编程-程序集和反射

    程序集 什么是程序集? 1.程序集(assembly)是一个及一个以上托管模块,以及一些资源文件的逻辑组合. 2.程序集是组件复用,以及实施安全策略和版本策略的最小单位. 3.程序集是包含一个或者多个 ...

  2. c#基础语言编程-文件流操作

    引言 在System.IO 命名空间下提供了一系列的类,我们可以通过相应的类进行文件.目录.数据流的操作. 1.File类:提供用于创建.复制.删除.移动和打开文件的静态方法.File类 2.File ...

  3. c#基础语言编程-正则表达式应用

    引言 在不同语言中虽正则表达式一样,但应用函数还是有所区别,在c#语言中使用Regex. 可以通过以下两种方式之一使用正则表达式引擎: 通过调用 Regex 类的静态方法. 方法参数包含输入字符串和正 ...

  4. c#基础语言编程-正则表达式基础

    引言 正则表达式是一种用高度抽象的字符串来描述字符串特征,进而实现对字符串的匹配.提取.替换等等.正则表达式(以下简称正则,Regex)通常不独立存在,各种编程语言和工具作为宿主语言提供对正则的支持, ...

  5. c#基础语言编程-Path和Directory

    引言 在程序常会对文件操作,在对文件操作中需要对文件路径的进行定位,在.Net中针对寻找文件提供两个静态类以供调用,Path和Directory. Path类 来自命名空间SYstem.IO,Path ...

  6. c#基础语言编程-装箱和拆箱

    引言 为什么有装箱和拆箱,两者起到什么作用?NET的所有类型都是由基类System.Object继承过来的,包括最常用的基础类型:int, byte, short,bool等等,就是说所有的事物都是对 ...

  7. c#基础语言编程-多态

    语言中的多态性是为了使程序有扩展性,为实现多态性,在程序中体现为接口.抽象类.父类.具体类. 接口就是一种规范,解决了多重继承的问题,类似一种规范,告诉我要做什么,具有什么能力,在接口中定义写行为属性 ...

  8. c#基础语言编程-序列化

    引言 程序员在编写应用程序的时候往往要将程序的某些数据存储在内存中,然后将其写入某个文件或是将它传输到网络中的另一台计算机上以实现通讯.这个将程序数据转化成能被存储并传输的格式的过程被称为" ...

  9. c#基础语言编程-集合

    引言 在c#常用的集合分为非泛型集合和泛型集合. 非泛型集合的类和接口位于System.Collections命名空间.这些接口和类定义各种对象(如列表.队列.位数组.哈希表和字典)的集合. 泛型集合 ...

随机推荐

  1. 输出第N个素数

    输出第N个素数 public class FindNthPrime { public static void main(String[] args){ int N = Integer.parseInt ...

  2. php微信2 获取自定义菜单中的access_token

    //自定义菜单中获取access_token    static function get_access_token($appid,$secret){        $url="https: ...

  3. 【原创】史上最全的Android开发环境搭建

    开始学习Android了 看着眼花缭乱的教程真心无奈...So  无耻的来了个大综合 自己充当了小白鼠.. (PS 若文章中链接失效 请留言反馈me会尽快修复) 开始的开始 java运行环境还是很必要 ...

  4. asp.net取HTML控件值

    asp.net取HTML控件值所有html表单里面的值控件,提交后都是以键值 key=value&key=value&……这样的形式提交给后台. radio也一样,会将选中的radio ...

  5. 使用Node.js作为后台进行爬虫

    看了一遍又一遍Node.js但是没过多久就又忘了,总想找点东西来练练手,就发现B站首页搜索框旁边的GIF图特别有意思,想着是不是可以写一个小Node.js项目把这些图全部扒下来,于是带着复习.预习与探 ...

  6. PHP实现简易的模板引擎

    PHP实现简易的模板引擎 1.MVC简介 MVC 是一种使用 MVC(Model View Controller 模型-视图-控制器)设计创建 Web 应用程序的模式(详情自己百度): 1. Mode ...

  7. 使用URLClassLoader类载入类实例

    Tomcat当中在接受到要调用的Servlet请求后,需要载入相应的Servlet类,然后创建Servlet类实例,从而调用Servlet类实例的service()方法 下面实例的场景,request ...

  8. Apriori算法在购物篮分析中的运用

    购物篮分析是一个很经典的数据挖掘案例,运用到了Apriori算法.下面从网上下载的一超市某月份的数据库,利用Apriori算法进行管理分析.例子使用Python+MongoDB 处理过程1 数据建模( ...

  9. jquery事件之event.target用法详解

    1. 定义和用法: 显示哪个 DOM 元素触发了事件: $("p, button, h1, h2").click(function(event){ $("div" ...

  10. Python3.x和Python2.x的区别-转

    这个星期开始学习Python了,因为看的书都是基于Python2.x,而且我安装的是Python3.1,所以书上写的地方好多都不适用于Python3.1,特意在Google上search了一下3.x和 ...