南京网站网站建设,怎样建网站教程,个人博客页面设计图,wordpress 只有英文之前写过一篇文章“一文彻底搞懂计算机中文编码”里面只是介绍了GB2312编码知识#xff0c;关于utf8没有涉及到#xff0c;经过查询资料发现utf8是对unicode的一种可变长度字符编码#xff0c;所以再记录一下。 现在国家对于信息技术中文编码字符集制定的标准是《GB 18030-…之前写过一篇文章“一文彻底搞懂计算机中文编码”里面只是介绍了GB2312编码知识关于utf8没有涉及到经过查询资料发现utf8是对unicode的一种可变长度字符编码所以再记录一下。 现在国家对于信息技术中文编码字符集制定的标准是《GB 18030-2022 信息技术 中文编码字符集》
首先需要明确GB 18030是字符集定义计算机系统中需要显示哪些中文UTF-8是一种编码方式定义计算机系统中怎样去显示。 我们以中文“爸”为例看GB 18030中怎么定义的如下图 B0第一字节 D第二字节高位 6第二字节低位 爸字形 723816进制GB/T 13000代码位置 GB13000 全称国家标准GB130002010《信息技术 通用多八位编码字符集UCS第一部分体系结构与基本多文种平面》此标准等同采用国际标准ISO/IEC 10646-2003,IDT《信息技术 通用多八位编码字符集UCS第一部分体系结构与基本多文种平面》。Unicode 标准在基本平面上与GB 13000保持一致。采纳UTF-16方案作为未来实现01到0F共15个辅助平面的方式。其它方面与GB 13000基本一致。 为了便于多个文种的同时处理国际标准化组织下属编码字符集工作组研制了新的编码字符集标准ISO/IEC 10646。该标准第一次颁布是在1993年当时只颁布了其第一部分即ISO/IEC 10646.1: 1993中国相应的国家标准是GB 13000.1-93《信息技术 通用多八位编码字符集(UCS) 第一部分体系结构与基本多文种平面》。制定这个标准的目的是对世界上的所有文字统一编码以实现世界上所有文字在计算机上的统一处理。 UTF-8编码规则如下 Utf8分成单字节、双字节、三字节、四字节模式具体如下 0xxxxxxx7bit 110xxxxx 10xxxxxx11bit 1110xxxx 10xxxxxx 10xxxxxx16bit中文 11110xxx 10xxxxxx 10xxxxxx 10xxxxxx21bit
中文是使用三字节模式所以中文“爸”转换如下 7238二进制0111 0010 0011 1000 按照三字节模式编码1110 0111 1000 1000 1011 1000 转换十六进制后E 7 8 8 B 8
程序验证
public class GBKTest {public static void main(String[] args) throws UnsupportedEncodingException {String nh 爸;byte[] bs nh.getBytes(utf-8);for (int i0;ibs.length;i) {int n bs[i];if (n 0)n 256;int d1 n / 16;int d2 n % 16;System.out.println(hexDigits[d1] hexDigits[d2]);}}private static final String hexDigits[] { 0, 1, 2, 3, 4, 5,6, 7, 8, 9, a, b, c, d, e, f };
}
