1. 首頁 > 生活經驗 > >

編碼和字符集是什么 字符集怎么設置

知識百科經驗分享


編碼和字符集是什么?要搞明白二者,首先要明確,計算機識別的是二進制的機器碼,而人說的是自然語言,類比生活中的中文和英文的交流,需要對應翻譯,人和計算機之間想要進行信息的交換也需要讓 計算機能聽懂人話,人能看懂計算機的語言,同樣需要翻譯
編碼就是定義如何自然語言的字符"翻譯"為二進制數的過程
字符集就是自然語言字符的集合,不同的字符集支持的字符范圍也不同,這些字符通過編碼對應為唯一的二進制數后會形成一個表格.
想了解編碼和字符集這種計算機基礎知識點推薦看社區：黑馬程序員--->軟件測試板塊，對話框可以領取課程大綱+視頻+ppt+源碼
在C語言程序中允許出現的字符集是什么？C語言程序中允許出現的字符集：
1) 拉丁字母
A B C D E F G H I J K L M N O P Q R S T U V W X Y Z
a b c d e f g h i j k l m n o p q r s t u v w x y z
2) 十進制阿拉伯數字
0 1 2 3 4 5 6 7 8 9
3) 下面29個符號
! " # % & ' () * + , －. / :; < = > ? [ \ ] ^ _ { | } ~
【編碼和字符集是什么 字符集怎么設置】4) 5種空白符
空格、水平制表符、垂直制表符、換行、換頁
5) 基本運行字符集還包括四個不可打印的字符：
null字符（用做字符串終止符）、警報（alert）、退格（backspace）、回車（carriage return）
為了在字母和字符串中表示這些字符，輸入反斜杠\加對應的轉義序列（escape sequence）即可，例如，\0表示 null 字符（空字符），\a表示警報，\b表示退格，而\r表示回車 。
不同的C實現版本中，字符實際對應的數值（字符碼）可能不同 。C語言本身僅規定了以下規則：


  • 基本字符集中的每個字符必須用一個字節（byte）表示 。

  • 空字符是一個字節，其所有的位（bit）都是0 。

  • 0 之后的每個十進制數字，編碼都要依次比前者大 1 。


什么是字符集電腦中存儲的永遠是2進制碼，而不是方塊字，也不是英文字母 。
2進制碼，每8位構成一個字節，代表了一個0-255的數字 。
那么這個數字代表什么呢？如果是字母的話，比如說65代表a，這個規則
就是一個字符集，著名的是ascii 。
如果換個其他國家的，比如說德文，那么65就代表另外的東西了，那就是另外的字符集 。
由于亞洲的文字無法用256個來表示，所以需要用雙字節來表示，比如GB2312是一個字符集，同理，日文有日文的字符集 。
同樣的網頁，用不同的字符集來顯示，會出現不同的樣子，正因為，同樣的2進制存儲的信息，字符集不同，顯示的內容也就不同了 。網頁中有<meta http-equiv="Content-Type" content="text/html; charset=gb2312">，這就是對字符集的指定，所以網頁才能正確顯示文字 。
什么是c語言的字符集c語言的字符集,就是c語言程序里允許用的字符 。
與
ascii
字符集一樣.
java中字符集什么意思Java 中字符串在內核中使用 Unicode，也就是說每個字符 JVM 只記錄它的 Unicode Code Point，只有在網絡傳輸或保存到磁盤上時才需要把它轉換成特定的字符集的編碼，這個字符集就是把一個 Unicode Code Point 整數翻譯成一串 byte[]，因為在網絡或磁盤上，字節是一個一個排列的，我們需要知道把高位字節排前面還是排后面并且容易推斷出哪個哪個字節是一個字符的邊界，這樣才能把相關的幾個字節還原成一個字符而不是把第2個字符的后面半數字節和第3個字符的前面半數的字節拼在一起出一個怪異的字符，我們以前在早期的電腦游戲中不支持雙字節漢語時我們經常碰到這個問題，那就是先輸入一個漢字，在內存中有2個字節，然后我們按一下 backspace 軟件只刪除一個字節，我們再輸入一個漢字之后一共有3個字節的，這時我們用一個支持漢字的軟件來查看這個文字可能是第1個剩下的字節和后面的字符的第1字節拼起來剛好又是另一個漢字，而剩下的第3個字節就不是有意義的繪圖符號 。
當不需要把 JVM 內存中的字符傳輸到網絡外或磁盤上或打印出來的時候，我們是不需要知道字符集的，在顯示在圖形界面上時JVM知道怎么把它們顯示出來，現在的 Windows 操作系統同樣也是 Unicode 內核的，也就是說我們只要說明 Unicode Code Point 它應該知道是什么字符，那么只剩下字體這邊是否也是用 Unicode Code Point 來對應一個字符啦（這個我不確定，但估計也是），如果操作系統和字符這邊也是按 Unicode Code Point 來對應，那么當我們不保存到磁盤或發送出網絡時是完全不需要知道有字符集這回事的 。
下面這個例子中處理一個 Unicode 6.0 新標準中收錄的漢字，你看到 UTF-8, UTF-16, GB18030 支持它們，但 GB2312 沒有收錄這個漢字，所以出個問號，也就是我們學說的亂碼啦 。
什么是 Unicode，下面這樣的表格就是 Unicode，而那些坐標數字就是 Code Point.
JDK 1.5 的 String 這個類支持 Unicode Code Point，也就是說能處理任何任意超出雙字節的字符的處理，它是一些學術研究者（比如考古，古文獻研究) 必須的功能，回想起來曾經的電報碼翻譯成電腦信息時由于輸入法和字符集沒有收錄這些字沒辦法通過“輸入一個數字得到這個字符的途徑"，大家都是先掃描一個用圖片再在電腦中剪切出每個字符的小圖片貼出來的 。記得在漢字處理時如果碰到冷僻字時它會超出2個字節，用 charAt() 這個是會出錯的，因為 char 類型表示范圍在 0 - 255 之間（2個字節），不能直接保存冷僻字，需要用2個 char 來表示一個字，因此 substring 的位置全是錯誤的，我們需要 offsetByCodePoints 重新計算一次 index 才能正確地 substring 。
public static void main(String[] args) throws IOException
{
int[] codePoints = new int[16];
for (int i = 0; i < 16; i++)
{
codePoints[i] = 0x20020 + i;
}
String a = new String(codePoints, 0, codePoints.length);
System.out.println("字符串：" + a);
System.out.println("字符串換算成 char[] 存儲總長度是 :" + a.length());
System.out.println("codePointAt(7) 索引換算成 charAt 索引:" + a.offsetByCodePoints(1, 7));
String c = a.substring(a.offsetByCodePoints(1, 7), a.offsetByCodePoints(1, 8));
System.out.println("UTF-8for " + c + " is " + toString(c.getBytes("UTF-8")) + " ==> "
+ new String(c.getBytes("UTF-8"), "UTF-8"));
System.out.println("UTF-16for " + c + " is " + toString(c.getBytes("UTF-16")) + " ==> "
+ new String(c.getBytes("UTF-16"), "UTF-16"));
System.out.println("GB2312for " + c + " is " + toString(c.getBytes("GB2312")) + " ==> "
+ new String(c.getBytes("GB2312"), "GB2312"));
System.out.println("GB18030 for " + c + " is " + toString(c.getBytes("GB18030")) + " ==> "
+ new String(c.getBytes("GB18030"), "GB18030"));
}
private static String toString(byte[] input)
{
StringBuffer b = new StringBuffer();
b.append('[');
for (int i = 0, size = input.length; i < size; i++)
{
b.append(Integer.toString(input[i]));
if (i < size - 1)
b.append(',');
}
b.append(']');
return b.toString();
}
這個代碼輸出如下，為防止百度或者說你的電腦未安裝支持冷僻字的字體，不能正確顯示冷僻字，這里面用圖片啦 。

字符集有哪些字符（Character）是各種文字和符號的總稱，包括各國家文字、標點符號、圖形符號、數字等 。字符集（Character set）是多個字符的集合，字符集種類較多，每個字符集包含的字符個數不同，常見字符集名稱：ASCII字符集、GB2312字符集、BIG5字符集、 GB18030字符集、Unicode字符集等 。計算機要準確的處理各種字符集文字，就需要進行字符編碼，以便計算機能夠識別和存儲各種文字 。中文文字數目大，而且還分為簡體中文和繁體中文兩種不同書寫規則的文字，而計算機最初是按英語單字節字符設計的，因此，對中文字符進行編碼，是中文信息交流的技術基礎 。
關于字符集和字符集怎么設置的內容就分享到這兒！更多實用知識經驗，盡在 m.apearl.cn