计算机编码介绍

几种常用编码的介绍一、base64编码二、QuotedPrintable编码内容三、UTF8编码四、GB2312编码Base64是一种传输编码；是为了适应将任何计算机数据都表示成便于显示和排版的字符串；Base64中的64个字符是：“ABCDEFGHIJKLMNOPQRSTUVWXYZabcdefghijklmnopqrstuvwxyz+/0123456789”Base64编码－介绍2的6次方等于64。因为base64只有64个可用字符，所以它编码后的每个字节只能表示6个bit的信息内容；我们待编码的内容是8个bit的，所以就造成了编码以后的数据比原来的数据要长；6和8的最小公倍数是24，故base64的最小编码单元是24bit，四个字符。Base64编码－介绍Base64编码－举例例如我们要对字符串“123”编码：“123”对应的16进制数为：0x310x320x33；表示成二进制数表示如下：001100010011001000110011；将二进制数每6位分成一组表示如下：001100010011001000110011；每6位分段后得到的四个数字分别是：1219851在base64编码表中查表对应的字符：MT

I

z所以字符串”123”编码后是“MTIz”Base64编码－特例例如我们要对字符串“12312”编码：“123”对应的16进制数为：0x310x320x330x310x32；表示成二进制数表示如下：0011000100110010001100110011000100110010；将二进制数每6位分成一组表示如下：001100010011001000110011001100010011001000；注意：因为原始字符串不是3的倍数，分出来后最后一组缺两位，需要补零。每6位分段后得到的七个数字分别是：121985112198在base64编码表中查表对应的字符：MT

I

zMTI不够一个6位分组单元的补0，不够一个编码单元(4个字节)的补“＝”号，编码后的字符串是”MTIzMTI=“Base64编码－其他base64编码后的数据只能出现base64里面的64个字符、用于补齐的‘＝’号和回车换行符。回车换行必须出现在4的整数倍个字符后，‘＝’只能出现在每4个字符单元的最后一个或最后两个。举例：EFH/ABC=HIaCAB==ABCDA+/=ABC=ABCA===,A=BC,AB=CQuotedprintable编码Outlook翻译为：“括上的可打印项目”这个编码非常简单，但是数据冗余量非常大。例如将“123”进行编码：“123”对应的16进制数分别是0x310x320x33编码后的字符串为”=31=32=33”编码后数据的长度是编码前数据长度的3倍，是一种非常简单但很不经济的一种编码方法。UTF-8编码－背景UTF-8意思是UniversalTransformationFormat通用转换格式;UTF-8用1－6个字节编码Unicode字符，用在网页上可以同一个页面显示中文简体、繁体及其他语言，称为万国码。ASCII字符集1－128大小写英语字符、数字、标点、换行制表控制等；ASCII扩展字符集128-255一些欧洲文字，拉丁字母Unicode字符集：所有字符用两个字节表示，高字节为零的表示ASCII字符集内容，高字节不是零的代表了其他语言里的字符，如汉语、日语、韩语、越南语等。UTF-8编码－产生原因因为Unicode表示ASCII字符时不经济：一个字符用两个字节表示，且主机间传输时存在字节序的问题：x86平台和ppc平台不一样，0xAABB怎么解析需要约定。所以出现了一种中间格式的字符集，称为通用转换格式，有UTF-7、-7.5、-8、-16、-32等。UTF-8编码－转换方法128以内：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编码－优缺点优点：（1）转换方便，只需位运算；（2）ASCII字符集不用转换，不增加存储空间；（3）没有字节序的问题；（4）编码中不会出现0xFF和0xFE，因此这两个字符可以用来表用UTF-16或UTF-18文本；缺点：（1）变长，无法从Unicode字符长度判断转为UTF-8后的字符长度；（2）拉丁字符时Unicode的子集不是utf-8的子集，需要转换；（3）大部分两个字节的Unicode字符被扩展成3个字节；（中文用UTF-8编码后绝大多数情况下会变长）GB2312编码GB2312编码和UTF8编码不是并列的关系；GB2312收录了6763个汉字和682个非汉字图形字符；整个字符集分94个区，每区94个区位，每区位表示一个字符；1-9区为特殊符号，16－55区按拼音排序为一级汉字，56－97区按部首笔画排序为二级汉字；用区位表示的码叫区位码：例如“啊”位于第16区第一区位，区位码＝0x1001；区位码加上