位(bit)、字节(byte)、字符、编码

大家好，欢迎来到IT知识分享网。

一、位/比特位

位/比特位，数据存储的最小单位。每个二进制数字0或者1就是1个位。

二、字节(Byte)

字节(Byte)是一种计量单位，表示数据量多少，它是计算机信息技术用于计量存储容量的一种计量单位。

三、字符

字符是指计算机中使用的文字和符号，比如1、2、3、A、B、C、~！·#￥%……—* () ——+、等等。

四、“字节”与“字符”

它们完全不是一个维度的概念，所以两者之间没有“区别”这个说法。不同编码里，字符和字节的对应关系不同：

①ASCII码中，一个英文字母(不分大小写)占一个字节的空间，一个中文汉字占两个字节的空间。一个二进制数字序列，在计算机中作为一个数字单元，一般为8位二进制数，换算为十进制。最小值0，最大值255。

②UTF-8编码中，一个英文字符等于一个字节，一个中文(含繁体)等于三个字节。

④UTF-16编码中，一个英文字母字符或一个汉字字符存储都需要2个字节(Unicode扩展区的一些汉字存储需要4个字节)。

⑤UTF-32编码中，世界上任何字符的存储都需要4个字节。

五、字符集

即各种各个字符的集合。也就是说汉字，字母(A、b、c)和符号(空格、引号…)会被收入标准中。

六、编码

utf-8和Unicode实际上并不是同一个层次的概念。

注意：’10’在计算器内部是没有编码的，因为它是字符串，而不是单个字符。可以分别对1,0字符编码存储；

【扩展ASCii字符集】将标准的ASCii最高位1，得到十进制代码128—255（1 000 0000—-1 111 1111）；所以字符集一共有0—255, 256个字符；

【gb2312字符集】所有汉字字符在计算机内部采用2个字节来表示，每个字节的最高位规定为1【正好与标准ASCii字符(最高位是0)不重叠，并兼容】，不支持繁体字。所以，gb2312表示汉字的编码为：129–255 (两个字节，每个字节最高位是1)；小于127的字符，与ASCii编码相同。

【gbk字符集】gb2312的扩充，兼容gb2312，除了收录gb2312所有的字符外，还收录了其他不常见的汉字、繁体字等。gbk中字符是一个或两个字节，单字节字符00–7F(0—127)这个区间和ASCII是一样的；双字节字符的第一个字节是在81–FE(129–254)之间。通过这个可以判断是单字节还是双字节，即：在gbk字符编码，如果第一个字节是>128的，则再往后找一个字节，组成汉字；如果第一个字节<128，则表示的是一个单字节(此时和ASCII是一样的)；

计算机每次读取三个字节，参照Unicode表解码不行吗？想法是好的，但是如果类似1号编码这样的小数据编号也要三个字节的话，即0x000001，这样很浪费。于是，就出现了uft-8，utf-16，utf-32这些编码方案。utf-16是用两个字节来编码所有的字符，utf-32则选择用4个字节来编码。下面只讲一下utf-8这种解决方案，因为它用的最多，用得最多是因为在当时它的方案最好，最节省资源。

utf-8编码：UTF-8(8-bit Unicode Transformation Format)是一种针对Unicode的可变长度字符编码，也是一种前缀码。它可以用来表示Unicode标准中的任何字符，且其编码中的第一个字节仍与ASCII兼容，这使得原来处理ASCII字符的软件无须或只须做少部分修改，即可继续使用。因此，它逐渐成为电子邮件、网页及其他存储或发送文字的应用中，优先采用的编码。

utf-8为了节省资源，采用变长编码，编码长度从1个字节到6个字节不等。

看起来，utf-16更加节省资源，节省空间。但实际上，当时互联网上绝大部分存在的资源都是英文的，英文在utf-16中也是2个字节，而在utf-8中则是1个字节。在当时，显然是utf-8更加节省资源。现在在中文世界里来比较，则是utf-16更加节省资源。