ASCII、Unicode、UTF-8的区别

详细梳理了计算机世界字符编码的三种方案的具体细节。

ASCII

American Standard Code for Information Interchange

美国信息交换标准代码

ASCII第一次以规范标准的类型发表是在1967年,最后一次更新则是在1986年,到目前为止共定义了128个字符。

ASCII 码使用指定的7 位或8 位二进制数组合来表示128 或256 种可能的字符

标准ASCII 码也叫基础ASCII码,使用7 位二进制数(剩下的1位二进制为0)来表示所有的大写和小写字母,数字0 到9、标点符号, 以及在美式英语中使用的特殊控制字符。其中最后一位用于奇偶校验。

问题:随着互联网的发展, 混合多种语言的数据变得很常见。ASCII是单字节编码,无法用来表示中文(中文编码至少需要2个字节) 。世界上有许多不同的语言,所以需要一种统一的编码。 由此诞生了Unicode。

Unicode

统一码、万国码、单一码

Unicode把所有语言都统一到一套编码里,这样就不会再有乱码问题了。

Unicode最常用的是用两个字节表示一个字符(如果要用到非常偏僻的字符,就需要4个字节)。现代操作系统和大多数编程语言都直接支持Unicode。

Unicode和ASCII的区别

ASCII编码是1个字节,而Unicode编码通常是2个字节。

如:字母A用ASCII编码是十进制的65,二进制的01000001;而在Unicode中,只需要在前面补0,即为:00000000 01000001。

新的问题:如果统一成Unicode编码,乱码问题从此消失了。但是,如果你写的文本基本上全部是英文的话,用Unicode编码比ASCII编码需要多一倍的存储空间,在存储和传输上就十分不划算。由此诞生了UTF-8。

UTF-8

本着节约的精神,出现了把Unicode编码转化为“可变长编码”的UTF-8编码。

UTF-8编码把一个Unicode字符根据不同的数字大小编码成1-6个字节,常用的英文字母被编码成1个字节,汉字通常是3个字节,只有很生僻的字符才会被编码成4-6个字节。如果你要传输的文本包含大量英文字符,用UTF-8编码就能节省空间。

UTF-8编码有一个额外的好处,就是ASCII编码实际上可以被看成是UTF-8编码的一部分,所以,大量只支持ASCII编码的历史遗留软件可以在UTF-8编码下继续工作。

UTF-16表示最少用两个字节能表示一个字符的编码实现。同样是对unicode编码进行转换,它的结果是英文占用两个字节,中文占用两个或者四个字节

Go的编码

Go语言的源文件采用UTF8编码, 并且Go语言处理UTF8编码的文本也很出色

rune

  • byte 等同于uint8 (type byte = uint8),常用来处理ascii字符
  • rune 等同于int32 (type rune = int32),常用来处理 unicode或utf-8字符 ,一个rune就代表一个unicode编码
  • go对unicode的支持包含三个包:
    1. unicode
    2. unicode/utf8
    3. unicode/utf16

      unicode包包含基本的字符判断函数。utf8包主要负责rune和byte之间的转换。utf16包负责rune和uint16数组之间的转换。

go语言的所有代码都是UTF8的,所以如果我们在程序中的字符串都是utf8编码的,但是我们的单个字符(单引号扩起来的)却是unicode的

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
package main

import (
"fmt"
"unicode/utf8"
)

func main() {
var str = "hello 你好"

//golang中string底层是通过byte数组实现的,直接求len 实际是在按字节长度计算 所以一个汉字占3个字节算了3个长度
fmt.Println("len(str):", len(str))

//以下两种都可以得到str的字符串长度

//golang中的unicode/utf8包提供了用utf-8获取长度的方法
fmt.Println("RuneCountInString:", utf8.RuneCountInString(str))

//通过rune类型处理unicode字符
fmt.Println("rune:", len([]rune(str)))
}

输出:

1
2
3
len(str): 12
RuneCountInString: 8
rune: 8

rune、[]byte、string 的相互转换

1
2
3
4
5
6
7
8
9
10
11
12
13
str := "Hello 你好"

//string 转[]byte
b := []byte(str)

//[]byte转string
str = string(b)

//string 转 rune
r := []rune(str)

//rune 转 string
str = string(r)
本文结束 感谢您的阅读