回覆列表
  • 1 # 使用者3245579998181

    Unicode沒有這種功能。Unicode只是字符集,至於字元在計算機中如何儲存它是不管的。

    實現你說的功能的是UTF-8、UTF-16、UTF-32等等編碼。

    UTF-16是定長的2個位元組,所以在BMP(Unicode裡每65536也就是2的16次方個字算一個平面plane,第0個平面是基本多語言平面Basic Multiligual Plane,大多數語言都能用這個平面裡的字元表示)裡的字都能表示了。UTF-32也是定長的4個位元組。

    上述這兩種編碼其實就是直接用Unicode的碼點來作為編碼,但是這樣就會有大問題,會出現整個位元組都是0的情況,而在C語言中,位元組0是表示字串結束的。所以計算機界的大牛Ken Thompson就發明了UTF-8編碼。

    UTF-8是變長的,如果是0(二進位制位,下面的0、1都是)開頭,那麼就表示單位元組字元,相容ASCII編碼。

    0xxxxxxx(x表示二進位制位,下同)

    如果是1開頭的,就表示變長字元,其中第一個位元組開頭的1的數量就表示這個字元有幾個位元組,然後跟一個0。後面的位元組都是10開頭。

    110xxxxx 10xxxxxx

    1110xxxx 10xxxxxx 10xxxxxx

    11110xxx 10xxxxxx 10xxxxxx 10xxxxxx

    x的部分就是Unicode的碼點的二進位制表示(去除先導0之後從後往前填入,不足補0)。這樣1到4位元組編碼能容納的二進位制位數就分別是7、11、16、21。

    比如“中”字,就是U+4E2D,也就是二進位制01001110 00101101,去掉先導0以後有15位,對比發現只有三位元組編碼才夠裝下,所以UTF-8編碼就是11100100 10111000 10101101,也就是十六進位制E4 B8 AD。

    這種現象其實並不罕見。

    比如ASCII,其實才定義了7位編碼,一般我們使用時會在最高位補足一位0湊夠一個位元組。

    很多其他其實都是在這個最高位上做文章,我們常見的編碼(包括今天介紹的UTF-8,以及曾經很常用的GB2312,GBK,歐洲用的Latin-1等等)都是最高位0表示ASCII相容的字元,而最高位1的表示擴充套件字元,像GB2312這樣的雙位元組字元,其實可以擴展出2的14次方也就是16384個字(因為要排除兩個位元組的最高位1,所以兩個位元組才有14位可用),當然由GB2312編碼的轉換方式的原因,實際上沒有那麼多。

    Unicode相當於GB2312的區位碼,區位碼不是直接用來儲存的,需要經過轉換變成國標碼,才是用來在計算機中儲存的內碼。

  • 中秋節和大豐收的關聯?
  • 起訴立案後部分證據交錯了在開庭前可以更改嗎?