布条百科 - 专业百科知识分享的网站 手机版
首页 > 百科 >

unicode码对照表完整版(Unicode 字符集)

345次浏览     发布时间:2024-04-16 11:40:24    

ASCII码

在较早的计算时代,ASCII 代码用于表示字符。英语只有 26 个字母和一些其他特殊字符和符号。

下表是 ASCII 码对照表,包含字符及其相应的十进制和十六进制值。

ASCII 码对照表

从上表可以推断出,ASCII 值可以在十进制数系统中表示为 0 到 127。让我们看看 0 和 127 在 8 位字节中的二进制表示。

0 表示为

0 的二进制表示

127表示为

127 二进制表示

从上面的二进制表示可以推断,十进制值 0 到 127 可以使用 7 位来表示,而第 8 位是空闲的。

警告 从这个地方起,混乱开始了。

人们想出了不同的方法来使用剩余的第八位,从而使其可以表示从 128 到 255 的十进制值。那么冲突就发生了。例如,越南人使用十进制值 182 来表示越南字母 ,而印度人使用相同的值 182 来表示印地语字母。因此,如果印度人写的电子邮件包含字母घ并且它被越南人阅读,那么将会显示为ờ。显然这不是预期的效果。

那么如何解决这个问题呢,接下来就该 Unicode 出场了。


Unicode 和代码点

Unicode 字符集将世界上的每个字符都映射到一个唯一的数字上。这确保了不同语言的字母之间没有冲突。这些数字与平台无关。

这些唯一的数字在 unicode 术语中称为代码点。

让我们看看它们是如何被引用的。

使用代码点引用 拉丁字符

U+1E4D

U+ 表示 unicode,1E4D是分配给字符 ṍ 的十六进制值。

英文字母A表示为 U+0041

好了,了解了这些,接下来该是重头戏了


UTF-8 编码

现在我们知道什么是 unicode 以及如何将世界上的每个字母分配给一个唯一的代码点,我们需要一种在计算机内存中表示这些代码点的方法。这就是字符编码登场的地方。 其中最为人们所熟知的就是 UTF-8 编码。

UTF-8 编码是一种大小可变的编码方案,用于表示内存中的 unicode 代码点。大小可变编码意味着代码点根据其大小使用 1、2、3 或 4 个字节表示。

UTF-8 1 字节编码

1个字节编码的标识是第一个比特位为0。

UTF8 1字节编码表示方式

英文字母A的 unicode 代码点为 U+0041。它的二进制表示是1000001。

A 以 UTF-8 编码表示为

01000001

红色的0位表示使用1字节编码,其余位代表码位

UTF-8 2 字节编码

代码点为 U+00F1 的拉丁字母ñ的二进制值11110001。该值大于可以使用 1 字节编码格式表示的最大值,因此该字母表将使用 UTF-8 2 字节编码表示。

2 字节编码的方式是由第一个字节比特位中的高三位的比特序列110和第二个字节比特位中的高二位的比特序列10来标识。

UTF8 2字节编码方式表示

Unicode 代码点U+00F1的二进制值是1111 0001。用2字节编码格式填充这些位,我们得到如下所示的ñ的UTF-8 2字节编码表示。

填充是从映射到第二个字节的最低有效位的代码点的最低有效位开始完成的。

1100001110110001

蓝色的二进制数字11110001代表码位U+00F1的二进制值,红色的是2字节编码标识符。黑色零用于填充字节中的空位。

UTF-8 3 字节编码

具有代码点U+1E4D的拉丁字符使用 3 字节编码表示,因为它大于使用 2 字节编码可以表示的最大值。

3 字节编码通过第一个字节中的位序列1110 和第二个和第三个字节中的 10的存在来标识。

UTF8 3字节编码表示

ṍ 十六进制代码点 0x1E4D,对应的二进制值为1111001001101。将这些位填充到上述编码格式中,我们得到了下面所示的 的UTF-8 3 字节编码表示。

填充是从映射到第三个字节的最低有效位的代码点的最低有效位开始进行的。

111000011011100110001101

红色位表示 3 字节编码,黑色位是填充位,蓝色位表示代码点。

UTF-8 4 字节编码

表情符号的Unicode代码点U+1F62D。这大于可以使用 3 字节编码表示的最大值,因此将使用 4 字节编码表示。

4 字节编码通过第一个字节中的11110和随后的第二个、第三个和第四个字节中的10来标识。

UTF8 4字节编码表示

U+1F62D的二进制表示是11111011000101101。将这些位填入上述编码格式,我们就得到了的UTF-8 4字节编码。代码点的最低有效位映射到第四个字节的最低有效位,依此类推。

11110000100111111001100010101101

红色位标识4字节编码格式,蓝色位是实际码位,黑色位是填充位。

上面我们分别对 UTF-8 的几种编码方式进行了详细的介绍。接下来我们顺带介绍一下 UTF-16 和 UTF-32 编码方式


UTF-16 编码

UTF-16 编码是一种可变字节编码方案,它使用 2 个字节或 4 个字节来表示 unicode 代码点。所有现代语言的大多数字符都使用 2 个字节表示。

拉丁字母ñ的Unicode代码点为 U+00F1 二进制表示为 11110001 。其 UTF-16 编码表示为

0000000011110001

上面的表示是在 Big Endian 字节顺序模式下(最高有效位在前)。


UTF-32 编码

UTF-32 编码是一种固定字节编码方案,它使用 4 个字节来表示所有代码点。

英文字母 A 具有 Unicode 代码点 U+0041。它的二进制表示是 1000001

它以UTF-32编码表示,如下所示,

00000000 00000000 00000000 01000001

蓝色位是代码点的二进制表示。上面的表示是在 Big Endian 字节顺序模式下。

以上就是关于字符集和字符编码的所有内容。

相关文章

比例尺怎么算出来的(你知道比例尺的意义)

1、什么叫比例尺? 图上距离和实际距离的比,叫做比例尺。 也就是图上距离:实际距离 = 比例尺 或写成(= 比例尺) 2、比例尺的种类: (1)、数字比例尺:如:1:10000

2024-04-29 15:21:45

apec成员国有美国吗(一文了解亚太经合组织)

  亚太经合组织(Asia-Pacific Economic Cooperation, 简写APEC)第三十次领导人非正式会议将于11月15日至17日在美国旧金山召开。2023年度

2024-04-29 15:01:18

特斯拉线圈原理详细讲解(理解制造闪电的“特斯拉线圈”及无线输电原理)

无线网络、无线信号,这些名词早已经成为我们日常中极为常见的词汇。但是无线电力传输,到现在还是比较少听到的。电能无线传输,就意味着我们以后不用到处挖沟、拉电杆、铺电线了,对于无处不用

2024-04-29 14:41:18

视频切割软件哪个最好用(分享常见的3款软件!好用!)

在现代数字化时代,视频成为了人们生活中不可或缺的一部分。不管是分享生活还是工作宣传,通过视频的形式总能达到意想不到的效果。但视频文件太大、繁杂的内容太多怎么办?这时候就需要对视频内

2024-04-29 14:22:32

中国人口最多的城市是哪个城(我国人口最多的十大城市)

随着经济的发展,我国的人口也进一步向中心城市、都市圈集聚,根据最新的统计结果,我国有17个城市常住人口超过1000万,下面我们就来盘点一下我国人口最多的十大城市。第十名、苏州市苏州

2024-04-29 14:01:12

社保可以退吗农村户口(这几种特殊情况除外)

一般情况下,缴纳的社会保险是不能退的。不退社会保险,是为了将来给参保者争取更大的利益。社会保险的福利性,对社会稳定的促进作用不可小觑。根据现行社保政策,只有这几种特殊情况可以办理退

2024-04-29 13:41:13