計算機編碼介紹

幾種常用編碼的介紹一、base64編碼二、QuotedPrintable編碼內(nèi)容三、UTF8編碼四、GB2312編碼Base64是一種傳輸編碼；是為了適應將任何計算機數(shù)據(jù)都表示成便于顯示和排版的字符串；Base64中的64個字符是：“ABCDEFGHIJKLMNOPQRSTUVWXYZabcdefghijklmnopqrstuvwxyz+/0123456789”Base64編碼－介紹2的6次方等于64。因為base64只有64個可用字符，所以它編碼后的每個字節(jié)只能表示6個bit的信息內(nèi)容；我們待編碼的內(nèi)容是8個bit的，所以就造成了編碼以后的數(shù)據(jù)比原來的數(shù)據(jù)要長；6和8的最小公倍數(shù)是24，故base64的最小編碼單元是24bit，四個字符。Base64編碼－介紹Base64編碼－舉例例如我們要對字符串“123”編碼：“123”對應的16進制數(shù)為：0x310x320x33；表示成二進制數(shù)表示如下：001100010011001000110011；將二進制數(shù)每6位分成一組表示如下：001100010011001000110011；每6位分段后得到的四個數(shù)字分別是：1219851在base64編碼表中查表對應的字符：MT

I

z所以字符串”123”編碼后是“MTIz”Base64編碼－特例例如我們要對字符串“12312”編碼：“123”對應的16進制數(shù)為：0x310x320x330x310x32；表示成二進制數(shù)表示如下：0011000100110010001100110011000100110010；將二進制數(shù)每6位分成一組表示如下：001100010011001000110011001100010011001000；注意：因為原始字符串不是3的倍數(shù)，分出來后最后一組缺兩位，需要補零。每6位分段后得到的七個數(shù)字分別是：121985112198在base64編碼表中查表對應的字符：MT

I

zMTI不夠一個6位分組單元的補0，不夠一個編碼單元(4個字節(jié))的補“＝”號，編碼后的字符串是”MTIzMTI=“Base64編碼－其他base64編碼后的數(shù)據(jù)只能出現(xiàn)base64里面的64個字符、用于補齊的‘＝’號和回車換行符?；剀嚀Q行必須出現(xiàn)在4的整數(shù)倍個字符后，‘＝’只能出現(xiàn)在每4個字符單元的最后一個或最后兩個。舉例：EFH/ABC=HIaCAB==ABCDA+/=ABC=ABCA===,A=BC,AB=CQuotedprintable編碼Outlook翻譯為：“括上的可打印項目”這個編碼非常簡單，但是數(shù)據(jù)冗余量非常大。例如將“123”進行編碼：“123”對應的16進制數(shù)分別是0x310x320x33編碼后的字符串為”=31=32=33”編碼后數(shù)據(jù)的長度是編碼前數(shù)據(jù)長度的3倍，是一種非常簡單但很不經(jīng)濟的一種編碼方法。UTF-8編碼－背景UTF-8意思是UniversalTransformationFormat通用轉換格式;UTF-8用1－6個字節(jié)編碼Unicode字符，用在網(wǎng)頁上可以同一個頁面顯示中文簡體、繁體及其他語言，稱為萬國碼。ASCII字符集1－128大小寫英語字符、數(shù)字、標點、換行制表控制等；ASCII擴展字符集128-255一些歐洲文字，拉丁字母Unicode字符集：所有字符用兩個字節(jié)表示，高字節(jié)為零的表示ASCII字符集內(nèi)容，高字節(jié)不是零的代表了其他語言里的字符，如漢語、日語、韓語、越南語等。UTF-8編碼－產(chǎn)生原因因為Unicode表示ASCII字符時不經(jīng)濟：一個字符用兩個字節(jié)表示，且主機間傳輸時存在字節(jié)序的問題：x86平臺和ppc平臺不一樣，0xAABB怎么解析需要約定。所以出現(xiàn)了一種中間格式的字符集，稱為通用轉換格式，有UTF-7、-7.5、-8、-16、-32等。UTF-8編碼－轉換方法128以內(nèi)：Unicode＝UTF-8;128-2047：00000xxxxxxxxxx->110xxxxx10xxxxxx2048-65535：

xxxxxxxx

xxxxxxxx->1110xxxx10xxxxxx10xxxxxx65536－2097151：

000xxxxxxxxxxxxx

xxxxxxxx->11110xxx10xxxxxx10xxxxxx

10xxxxxx2097152-67108863：

000000xxxxxxxxxx

xxxxxxxx

xxxxxxx->111110xx10xxxxxx10xxxxxx

10xxxxxx

10xxxxxx67108863-2147483647：

0xxxxxxxxxxxxxxx

xxxxxxxx

xxxxxxxx->1111110x10xxxxxx10xxxxxx

10xxxxxx

10xxxxxx

10xxxxxxUTF-8編碼－優(yōu)缺點優(yōu)點：（1）轉換方便，只需位運算；（2）ASCII字符集不用轉換，不增加存儲空間；（3）沒有字節(jié)序的問題；（4）編碼中不會出現(xiàn)0xFF和0xFE，因此這兩個字符可以用來表用UTF-16或UTF-18文本；缺點：（1）變長，無法從Unicode字符長度判斷轉為UTF-8后的字符長度；（2）拉丁字符時Unicode的子集不是utf-8的子集，需要轉換；（3）大部分兩個字節(jié)的Unicode字符被擴展成3個字節(jié)；（中文用UTF-8編碼后絕大多數(shù)情況下會變長）GB2312編碼GB2312編碼和UTF8編碼不是并列的關系；GB2312收錄了6763個漢字和682個非漢字圖形字符；整個字符集分94個區(qū)，每區(qū)94個區(qū)位，每區(qū)位表示一個字符；1-9區(qū)為特殊符號，16－55區(qū)按拼音排序為一級漢字，56－97區(qū)按部首筆畫排序為二級漢字；用區(qū)位表示的碼叫區(qū)位碼：例如“啊”位于第16區(qū)第一區(qū)位，區(qū)位碼＝0x1001；區(qū)位碼加上