Fatal编程技术网
  • encoding/
  • Encoding 什么'；编码和字符集的区别是什么？

Encoding 什么'；编码和字符集的区别是什么？

encoding character-encoding

Encoding 什么'；编码和字符集的区别是什么？,encoding,character-encoding,Encoding,Character Encoding,我对文本编码和字符集感到困惑。由于很多原因，我不得不这样做 在我接下来的工作中学习非Unicode、非UTF8的内容 我在电子邮件标题中找到了“charset”一词，就像在“ISO-2022-JP”中一样，但是没有 文本编辑器中的这种编码。（我环顾了一下不同的文本编辑器。） 文本编码和字符集有什么区别？我会很感激的 如果您能给我看一些用例示例的话。每个编码都有一个与之关联的特定字符集，但是对于一个给定的字符集可以有多个编码。字符集就是它听起来的样子，一组字符。有大量的字符集，包括许多用于特定脚本

我对文本编码和字符集感到困惑。由于很多原因，我不得不这样做 在我接下来的工作中学习非Unicode、非UTF8的内容

我在电子邮件标题中找到了“charset”一词，就像在“ISO-2022-JP”中一样，但是没有 文本编辑器中的这种编码。（我环顾了一下不同的文本编辑器。）

文本编码和字符集有什么区别？我会很感激的
如果您能给我看一些用例示例的话。

每个编码都有一个与之关联的特定字符集，但是对于一个给定的字符集可以有多个编码。字符集就是它听起来的样子，一组字符。有大量的字符集，包括许多用于特定脚本或语言的字符集

然而，我们在向Unicode过渡的过程中进展顺利，Unicode包括一个能够表示世界上几乎所有脚本的字符集。但是，Unicode有多种编码。编码是一种将字符串映射到字节字符串的方法。Unicode编码的示例包括和。对于特定的应用程序或机器体系结构，每种方法都有其优点。

基本上：

  • 字符集是可以使用的字符集
  • 编码是将这些字符存储到内存中的方式
    • 一个字符集或字符集，就是一组字符（无序的集合）。编码字符集为曲目中的每个字符分配一个整数（“码点”）。编码是将代码点明确地表示为字节流的一种方式。

    字符集只是一个集合；它要么包含，例如，欧元符号，要么不包含。就这些

    编码是从字符集到整数集的双射映射。如果它支持欧元符号，它必须为该字符指定一个特定的整数，而不是其他字符。

    除了其他答案之外，我认为这篇文章是一本不错的读物

    这篇文章的标题是Joel Spolsky撰写的“每个软件开发人员绝对、绝对必须了解Unicode和字符集（没有借口！）”。这篇文章是2003年写的，但（不幸的是）内容仍然有效…

    谷歌搜索。

    差别似乎很微妙。术语字符集实际上不适用于Unicode。Unicode经历了一系列的抽象。 抽象字符->代码点->将代码点编码为字节

    字符集实际上跳过这一步，直接从字符跳到字节。 字节序列字符序列

    总之,， 编码：代码点->字节
    字符集：字符->字节

    字符编码包括：

  • 支持的字符集
  • 字符和整数之间的映射（“代码点”）
  • 如何将代码点编码为一系列“代码单元”（例如，UTF-16的16位单元）
  • 如何将代码单元编码为字节（例如，大端或小端）
    • 步骤#1本身就是一个“字符集”或抽象的“字符集”；#1+#2=一个“编码字符集”

    但在Unicode普及之前，每个人（东亚人除外）都使用单字节编码，第3步和第4步都很简单（代码点=代码单位=字节）。因此，旧的协议并没有明确区分“字符编码”和“编码字符集”。较旧的协议使用
    字符集
    ，当它们真正意味着编码时。

    为今后访问的人提供了更多信息，希望这会有所帮助

    字符集 每种语言都有字符，这些字符的集合构成了该语言的“字符集”。对字符进行编码后，将为其分配一个唯一标识符或一个称为代码点的数字。在计算机中，这些代码点将由一个或多个字节表示

    字符集示例：ASCII（涵盖所有英文字符）、ISO/IEC 646、Unicode（涵盖世界上所有现存语言的字符）

    编码字符集 编码字符集是为每个字符分配唯一编号的集合。该唯一编号称为“代码点”。
    编码字符集有时称为代码页

    编码 编码是一种将代码点映射到某些字节的机制，以便使用相同的编码方案在不同的系统中统一读写字符

    编码示例：ASCII、Unicode编码方案，如UTF-8、UTF-16、UTF-32

    阐述上述3个概念
    • 考虑一下这个角色的角色क' 在Devanagari中，字符集有一个2325的十进制码点，当使用UTF-16编码时，它将由两个字节（
      09 15
      ）表示
    • 在“ISO-8859-1”编码方案中，“ü”（这只是拉丁字符集中的一个字符）表示为
      FC
      的十六进制值，而在“UTF-8”中表示为
      C3 BC
      ，在UTF-16中表示为
      FE FF 00 FC
    • 不同的编码方案可以使用相同的代码点来表示不同的字符，例如在“ISO-8859-1”（也称为拉丁语1）中，字母“é”的十进制代码点值为233。然而，在ISO 8859-5中，相同的代码点表示西里尔字母“収”
    • 另一方面，Unicode字符集中的单个代码点实际上可以映射到不同的字节序列，这取决于文档使用的编码。德瓦纳加里的性格क, 使用UTF-16编码（
      09 15
      ）时，代码点2325（十六进制表示法为915）将由两个字节表示，UTF-8（
      E0 A4 95
      ）将由三个字节表示，UTF-32（
      00 09 15
      ）将由四个字节表示
        • 在我看来，“字符集”一词应该是 
        Extract of ASCII Table 60-65
╔══════╦══════════════╗
║ Byte ║  Character   ║
╠══════╬══════════════║
║  60  ║      <       ║
║  61  ║      =       ║
║  62  ║      >       ║
║  63  ║      ?       ║
║  64  ║      @       ║
║  65  ║      A       ║
╚══════╩══════════════╝