f2h2h1's blog
·
关于字符编码的一些坑
💡
原文中文，约35400字，阅读约需85分钟。
📝
内容提要
字符编码包括多种字符集和编码方式，如ASCII、GBK和UTF-8。编码规则将字符转换为二进制数据，分为定长和变长编码。Unicode是现代字符编码标准，支持几乎所有字符。不当编码可能导致乱码，因此在处理时需注意编码转换。
🎯
关键要点
- 字符编码包括多种字符集和编码方式，如ASCII、GBK和UTF-8。
- 编码规则将字符转换为二进制数据，分为定长和变长编码。
- Unicode是现代字符编码标准，支持几乎所有字符。
- 不当编码可能导致乱码，因此在处理时需注意编码转换。
- 常见的字符集包括ASCII、GB2312、GBK、GB18030、BIG5等。
- 编码的基本概念包括真值、原码、反码、补码等。
- 字符集是字符的集合，编码规则是字符转换成二进制的规则。
- 定长编码和变长编码的区别在于字符的位数是否相同。
- GB2312、GBK、GB18030等中文字符集的特点和应用场景。
- Unicode与ISO 10646的关系及其发展历史。
- UTF-8是当前使用最广泛的编码方式，兼容ASCII。
- BOM（字节顺序标记）用于标识文件的编码格式。
- 乱码的原因通常是编码和解码不匹配。
- Windows系统下的字符编码和代码页的使用。
- 短信的字符限制与编码方式有关，汉字短信限制为70个字符。
- 字体和字库的概念及其在字符编码中的作用。
- C语言和C++中的字符和字符串处理方式。
- Python中的编码问题及其处理方法。
❓
延伸问答
什么是字符编码？
字符编码是将字符集中的字符转换为二进制数据的规则，通常包括字符集和编码规则。
Unicode与其他编码有什么关系？
Unicode是现代字符编码标准，支持几乎所有字符，并且与ISO 10646有密切关系，旨在统一不同字符集。
常见的字符集有哪些？
常见的字符集包括ASCII、GB2312、GBK、GB18030和BIG5等。
定长编码和变长编码有什么区别？
定长编码每个字符的位数相同，而变长编码字符的位数可以不同，例如UTF-8是变长编码。
如何避免字符编码导致的乱码？
避免乱码的方法包括确保编码和解码使用相同的编码格式，以及在处理字符串时注意编码转换。
短信的字符限制与编码方式有什么关系？
短信的字符限制与编码方式有关，使用UCS-2编码时，每条短信最多只能发送70个汉字。
➡️
