編碼

在上一篇文章中，我遇到了關(guān)于swift中的emoj字符串的utf16.cout才能等于NSString.cout的神奇問(wèn)題。處于對(duì)utf8的好奇以及編碼知識(shí)的了解，我決定好好了解下編碼這一個(gè)學(xué)問(wèn)解藻。
Swift5中String.count 與 NSString.length不相等:http://www.reibang.com/p/f135cab4dd45

ASCII標(biāo)準(zhǔn)字符集

ASCII是計(jì)算機(jī)的第一個(gè)編碼標(biāo)準(zhǔn)，是按照美國(guó)人的習(xí)慣定制的

1. 用1個(gè)字節(jié)來(lái)表示葡盗，并且限制了最高位必須為0螟左，所以只能表示2^7=128個(gè)不同字符啡浊。例如：

   • 大寫字符A 在ASCII中用 0100 0001(二進(jìn)制,最高位為0)表示，A在ASCII中的碼位就是0100 0001, 10進(jìn)制為65胶背，16進(jìn)制為0x41
   • 范圍就是 0000 0000 -> 0111 1111 共128

2. 分為可見字符和控制字符:

   • 32-126 代碼可見字符巷嚣，共計(jì)95個(gè)(abcd符號(hào)等可見的字符)
   • 0-31,127 代表控制字符，共計(jì)33個(gè)(回車,換行,退格等控制字符)

擴(kuò)展ASCII字符集

一些歐洲國(guó)家在原有的ASCII上進(jìn)行了擴(kuò)展钳吟，也就是把第一位也用上了廷粒，將首位0變?yōu)?，這樣就多出來(lái)了128個(gè)字符红且。這樣擴(kuò)展后的ASCII字符集就有256個(gè)字符了坝茎。

16位字符集

不管是老美的128個(gè)的ASCII，還是老歐的256擴(kuò)展ASCII暇番，這點(diǎn)數(shù)量對(duì)于我們中國(guó)的方塊字來(lái)說(shuō)都是不值一提的嗤放。。壁酬。 太少了
所以我們需要設(shè)計(jì)我們自己的字符集次酌。

GB2312字符集(GB=國(guó)標(biāo))

使用分區(qū)管理，共計(jì)94個(gè)分區(qū)舆乔，每個(gè)區(qū)94個(gè)位岳服，一共8836個(gè)碼位

• 01-09區(qū)收錄除漢字外的682個(gè)字符。
• 10-15區(qū)為空白區(qū)希俩，沒(méi)有使用吊宋。
• 16-55區(qū)收錄3755個(gè)一級(jí)漢字，按拼音排序斜纪。
• 56-89區(qū)收錄3008個(gè)二級(jí)漢字贫母，按部首/筆畫排序文兑。
• 88-94區(qū)為空白區(qū)盒刚，沒(méi)有使用。

例如：“啊“在16區(qū)0排1位绿贞，用2字節(jié)表示為0xB0 0xA1 （0xB0=0xA0+16,0xA1=0xA0+1)(為啥要加A0呢因块，為了避開ASCII中的不可顯示字符。)其實(shí)這里我也就是了解一下籍铁，感興趣的話具體可以看維基百科

GBK

對(duì)GB2312進(jìn)行擴(kuò)充涡上，把空位進(jìn)行填充，形成了GBK編碼拒名。

GB18030

通過(guò)對(duì)GBK擴(kuò)充吩愧，加入少數(shù)民族語(yǔ)言字符等，就形成了GB18030編碼增显。

Unicode

• Unicode雁佳，中文又稱萬(wàn)國(guó)碼、國(guó)際碼、統(tǒng)一碼糖权、單一碼堵腹，是計(jì)算機(jī)科學(xué)領(lǐng)域的業(yè)界標(biāo)準(zhǔn)。它整理星澳、編碼了世界上大部分的文字系統(tǒng)疚顷，使得電腦可以用更為簡(jiǎn)單的方式來(lái)呈現(xiàn)和處理文字。維基百科
• ISO組織定制了通用字符集（英語(yǔ)：Universal Character Set, UCS)

UTF-8

• UTF-8是對(duì)Unicode字符集的一種字符編碼 禁偎。
• 針對(duì)每個(gè)字節(jié)的前綴不同腿堤，對(duì)字符集中的有效碼點(diǎn)進(jìn)行編碼，是一種可變長(zhǎng)度的字符編碼

例如：
當(dāng)我們?cè)趕wift中打印utf8和unicodeScalars時(shí)候如下

"貓".utf8
? UTF8View("貓")
  - 0 : 231
  - 1 : 140
  - 2 : 171
"貓".unicodeScalars
? StringUnicodeScalarView("貓")
  - 0 : "\u{732B}"

unicodeScalars 是字符集的具體碼位如暖，可以用系統(tǒng)的科學(xué)計(jì)算器看一下：

圖

那utf8的數(shù)怎么來(lái)的呢释液？

1. 貓:u{732b}的碼位是這樣的：
   • 111 0011 0010 1011
2. 根據(jù)上面的表，我們找到與對(duì)應(yīng)的規(guī)則為第三排的：
   • 1110xxxx 10xxxxxx 10xxxxxx
3. 將1的二進(jìn)制碼插入到2的x空位中得出：
   • 1110 0111 1000 1100 1010 1011
4. 將3換算為10進(jìn)制：
   • 231 140 171
5. 宗上4步装处，我們就得出了我們?cè)趕wift中顯示的"貓".utf8的三個(gè)數(shù)字了误债。

簡(jiǎn)而言之，unicode是標(biāo)準(zhǔn)妄迁，他包含了utf-8寝蹈、utf-16、utf-32這些編碼登淘。
也包含了ucs-2箫老、ucs-4的這些字符集。

`
更多其他可以參考維基百科：

• Unicode
• 通用字符集
• UTF-8
• UTF-16
• UTF-32
  `

PS

字節(jié)Byte

1字節(jié)(Byte) = 8位(bit)

1個(gè)16進(jìn)制=4位：
0xf = 1111
所以通常我們1Byte(也就是8bit)會(huì)用兩個(gè)16進(jìn)制來(lái)表示：
0xff = 1111 1111
0x00 = 0000 0000

單位換算

比特

二進(jìn)制數(shù)系統(tǒng)中黔州，每個(gè)0或1就是一個(gè)位(bit)耍鬓，位是數(shù)據(jù)存儲(chǔ)的最小單位。其中8bit就稱為一個(gè)字節(jié)（Byte）流妻。計(jì)算機(jī)中的CPU位數(shù)指的是CPU一次能處理的最大位數(shù)牲蜀。例如32位計(jì)算機(jī)的CPU一次最多能處理32位數(shù)據(jù)

1. 計(jì)算機(jī)專業(yè)術(shù)語(yǔ)，是信息量單位绅这，是由英文BIT音譯而來(lái)涣达。二進(jìn)制數(shù)的一位所包含的信息就是一比特，如二進(jìn)制數(shù)0101就是4比特证薇。
2. 二進(jìn)制數(shù)字中的位度苔，信息量的度量單位，為信息量的最小單位浑度。數(shù)字化音響中用電脈沖表達(dá)音頻信號(hào)寇窑，"1"代表有脈沖，"0"代表脈沖間隔箩张。如果波形上每個(gè)點(diǎn)的信息用四位一組的代碼表示甩骏，則稱4比特完残，比特?cái)?shù)越高，表達(dá)模擬信號(hào)就越精確横漏，對(duì)音頻信號(hào)信號(hào)還原能力越強(qiáng)谨设。