字符编码——计算机中信息的表示

简单理解信息在计算机中的表⽰信息是⼀个很宽泛的概念，说⼤了是与物质和能量⿍⽴的⾃然界三要素，这⾥仅仅涉及到计算机中的信息；众所周知，对计算机⾃⾝⽽⾔，所有信息都是0/1⼆进制形式；作为JavaEE/Android程序员，在开发过程中有时会遇到字符编码，进制转换这样的基础问题，虽然依靠经验或者⽹络搜索能很快实现功能，但每次都感觉对基本概念理解得不是很透彻，不如把现有的理解记录下来，以备后⽤；信息在计算机中⼤致分为控制信息和数据信息；控制信息是计算机系统内部运转⽤到的控制命令，例如读写命令，中断信号，⽚选信号，复位信号，就绪信号等；当然都是⼆进制表⽰；数据信息指计算机可运算、可存储、可传输、可采集、可输出的各种数据；可分为数值数据，⽂本数据（字符，字串），多媒体数据（图像，⾳频，视频），⼆进制数据（可执⾏⽂件等）；计算机信息的表⽰跟信息的处理，传输，存储，输⼊/输出⼀样，是计算机系统最基本的功能之⼀；计算机中的信息表⽰可分为硬件系统可直接表⽰的信息，和软件系统可表⽰的信息；后者如数据结构，数据库表结构，XML/Json结构等等；这⾥，只讨论计算机硬件系统对信息的表⽰；位，Bit，Binary digit的缩写，是计算机中信息表⽰的最⼩单位；跟电⼦计算机的“电⼦”有关，⾼低电平；字节，Byte, 8Bit, 可表⽰⼀个英⽂字符ASCII码；跟计算机的发明国美利坚所⽤语⾔有关；定点数，⼩数点位置固定不变；定点⼩数的⼩数点紧跟符号位之后；定点整数⼩数点在有效数值部分之后；浮点数，⼩数点位置可以浮动；尾数，阶码，底数；尾数位数越多，所表⽰数值的密度越⼤，精度越⾼；阶码位数越多，所表⽰数值的范围越⼤；⽆符号数，全部⼆进制位均表⽰数值位；有符号数，最⾼位被⽤来表⽰符号位；机器数，⼀个数的⼆进制表⽰形式，最⾼位表⽰符号；真值，机器数代表的真正数值；原码，符号位加上真值的绝对值；反码，正数的反码与其原码相同，负数的反码是对其原码逐位取反，符号位除外；补码，正数的补码与其原码相同，负数的补码是在其反码的末位加1；在计算机中，数值⼀律采⽤补码表⽰；补码设计⽬的:-使符号位能与有效值部分⼀起参加运算（⾃动溢出）,简化运算规则；-使减法运算转换为加法运算（同余，模数，A-B 等于 A+B的补码）,简化计算机中运算器的线路设计；溢出，计算得出的数值超出了整数类型可以表⽰的数值范围；进制，进制主要包含基数和位权两个因素；计算机常⽤的是⼆进制，⼋进制，⼗六进制；N进制转换成⼗进制，按权求和；⼗进制转换N进制，整数部分-除N取余，⼩数部分-乘N取整；⼀般可借助⼆进制或⼗进制做中间转换；具体的转换原理和算法及程序实现在另外的⽂章再做介绍；（todo 补码运算和浮点数运算）字符编码和字符集：ASCII-American Standard Code for Information Interchange. 1bit+7bit; 英⽂字符编码，⽼美出品，第⼀个bit为0，可表⽰128个字符；扩展集第⼀个bit为1，加起来表⽰256个字符；这对于⾮英语国家特别是亚洲国家的⽂字表⽰是远远不够啊，于是各国开始扩展⾃⼰的字符集；各⾃扩展的结果就是互不兼容；同⼀个⼆进制串在不同语⾔国家表⽰不同字符；于是出现了伟⼤的万国码Unicode,可统⼀表⽰世界上所有国家的⽂字； Unicode仅仅给出了字符的编码值，这些值在计算机中具体怎么表⽰是由UTF来实现的；具体有：UTF-8/UTF-16/UTF-32;UTF-8⽤可变长度（1-6）字节表⽰Unicode值，UTF-16⽤2字节或4字节表⽰Unicode值；UTF-32⽤4字节表⽰Unicode值；既然是可变多字节表⽰，为了避免歧义，就要指明字节的长度和顺序(BOM)；UTF-8 encoding scheme:for 1 byte unicode character: the first bit is 0, the rest 7 bits are the unicode value of the character;for n byte unicode character: the first n bits of the first byte are 1, and the n+1 bit is 0, the first 2 bits of the rest bytes are 10, and all the rest bits are theunicode value of the character;Unicode符号范围 | UTF-8编码⽅式(⼗六进制) |（⼆进制）------------------------------------------------------------------0000 0000-0000 007F | 0xxxxxxx0000 0080-0000 07FF | 110xxxxx 10xxxxxx0000 0800-0000 FFFF | 1110xxxx 10xxxxxx 10xxxxxx0001 0000-0010 FFFF | 11110xxx 10xxxxxx 10xxxxxx 10xxxxxx其它字符编码还有：UCS-Universal Character Set: UCS-2(16bit), UCS-4(32bit),EBCDIC-Extended Binary Coded Decimal Interchange Code:8bit.ISO 8859: 8bit,GB2312:16bit, 94区*94位, 简体中⽂.BIG5: 16bit, 繁体中⽂.关于big-endian(FEFF)和little-endian(FFFE):big-endian: the higher(most significant) byte stored in the lower memory address.little-endian: the lower(least signaficant) byte stored in the lower memory address.BOM-Byte Order Mark,ZERO WIDTH NO-BREAK APACE,FFFE,（todo 多媒体信息表⽰，图形，图像，动画，⾳频，视频，虚拟现实）。

计算机中字符的编码一个二进制数位简称为位(英文名称为bit)。

计算机中最直接、最基本的操作就是对二进制位的操作。

一个二进制位可表示两种状态(0或1)。

两个二进制位可表示四种状态(00，01，10，11)。

位数多，所表示的状态就越多。

ASCII 码ASCII 码是美国信息交换用标准代码(American Standard Codefor Information Inte rchange)。

ASCII码虽然是美国国家标准，但它已被国际标准化组织(ISO)认定为国际标准，为世界公认，并在世界范围内通用。

ASCII码用一个8位二进制数(字节)表示，每个字节只占用了7位，最高位恒为0。

7位ASCII码可以表示128(27=128)种字符，其中通用控制字符34个，阿拉伯数字10个，大、小写英文字母52个，各种标点符号和运算符号32个。

编码范围二进制十进制十六进制基本ASCII 码00000000～011111110～1270～7F控制字符00000000～00100000、011111110～32、1270～1F、7F数字00110000～0011100148～5730～39大写字母01000001～010*******～9041～5A小写字母01100001～0111101097～12261～7A当最高位为0时，称为基本ASCII码，当最高位为1时，形成扩充的ASCII码，它表示数的范围为128～255，可表示128种字符。

通常各个国家都把扩充的ASCII码作为自己国家语言文字的代码。

汉字编码我国用户在使用计算机进行信息处理时，一般都要用到汉字。

由于汉字是象形文字，字的数目很多，常用汉字就有3000～5000个，加上汉字的形状和笔画多少差异极大，因此，不可能用少数几个确定的符号将汉字完全表示出来，或像英文那样将汉字拼写出来。

汉字必须有它自己独特的编码。

1. 汉字信息交换码（国标码）《信息交换用汉字编码字符集·基本集》是我国于1980年制定的国家标准GB2312-80，代号为国标码，是国家规定的用于汉字信息处理使用的代码依据。

计算机中数据信息的表示引言在计算机科学领域，数据信息的表示是非常重要的概念之一。

准确地表示数据信息，对于计算机的运行和处理任务有着至关重要的影响。

在本文中，我们将讨论计算机中数据信息的表示方法，包括数字表示和字符表示两个方面。

数字表示在计算机中，数字表示是将数字信息转化为二进制形式的过程。

计算机使用二进制系统来表示数字，这是因为计算机处理的基本单位是二进制位（bit），它只能表示0或1两个状态。

计算机采用二进制表示的好处在于信号传输更加稳定可靠，并且方便进行逻辑运算。

整数表示在计算机中，整数可以用不同的表示格式表示，常见的有原码、反码和补码。

原码是最直观的表示方式，简单地表示数值和符号位。

反码是在原码的基础上，将符号位不变，其余位按位取反得到的表示方式。

而补码是在反码的基础上加1得到的表示方式。

浮点数表示与整数表示不同，浮点数需要采用特定的表示格式，常见的有IEEE754标准。

浮点数由三个部分组成：符号位、阶码和尾数。

符号位表示正负号，阶码表示浮点数的指数部分，尾数表示浮点数的有效数字部分。

IEEE754标准定义了不同精度的浮点数表示方式，包括单精度浮点数和双精度浮点数。

字符表示在计算机中，字符的表示方式也是使用二进制进行编码。

最早的字符编码方式是ASCII码，它使用7位二进制数表示128个常用字符。

然而，随着计算机的发展，ASCII码的字符数已经无法满足各种语言和字符的需求。

为了解决这个问题，出现了Unicode字符编码标准。

Unicode标准使用更多的二进制位来表示字符，目前使用的是16位的Unicode编码。

然而，由于Unicode 编码包含了大量的字符，所以实际使用中，还会根据需要制定不同的字符集，如UTF-8、UTF-16和UTF-32等。

计算机中数据信息的表示是计算机科学中的基础知识之一。

数字表示和字符表示是两个重要的方面。

数字表示将数字信息转化为二进制形式，包括整数表示和浮点数表示。

计算机常用的编码一、字符编码字符编码是用于将字符集（如英文字母、数字、标点符号等）转换为计算机可以理解的二进制数的一种方式。

以下是几种常见的字符编码：1.ASCII码：ASCII码是用于将字符集转换为二进制数的标准编码方式。

它包含了128个不同的字符，每个字符由7位二进制数表示。

2.Unicode：Unicode是一种国际化的字符编码标准，它包含了世界上几乎所有语言的字符。

每个Unicode字符由16位二进制数表示。

3.GB2312和GBK：GB2312是中国国家强制标准，包含了6000多个常用汉字和英文符号。

GBK是在GB2312基础上扩展的，包含了更多的汉字和符号。

4.UTF-8：UTF-8是一种可变长度的字符编码，它能够表示任何Unicode字符。

UTF-8编码的每个字符由1到4个字节表示，对于英文字母和数字，UTF-8编码与ASCII码相同。

二、数值编码数值编码是用于将数值转换为二进制数的一种方式。

以下是几种常见的数值编码：1.二进制：二进制是最简单的数值编码方式，只有0和1两种状态。

2.十进制：十进制是我们日常使用的数值编码方式，它有0到9共10个数字。

3.十六进制：十六进制是一种简化的数值编码方式，它有0到9和A到F共16个数字。

在计算机科学中，十六进制常用于表示二进制数的简写方式。

三、图像编码图像编码是将图像数据转换为二进制数的一种方式。

以下是几种常见的图像编码：1.JPEG：JPEG是一种常用的图像压缩标准，它采用有损压缩算法，能够在保证图像质量的前提下，大大减少图像数据的存储空间。

2.PNG：PNG是一种无损压缩的图像格式，它能够保留原始图像的所有信息，并且在压缩后不失真。

PNG广泛应用于网页设计、软件界面设计等领域。

3.GIF：GIF是一种基于LZW算法的压缩图像格式，它可以支持动态图像和透明背景。

GIF广泛应用于网页中的动画、图标等设计。

四、音频编码音频编码是将音频数据转换为二进制数的一种方式。

⾼中信息技术（Python）重难点2：字符编码本⽂章原⽂地址：，原⽂体验更佳字符编码在近两年⾼考中分别在20年1⽉、21年1⽉和21年6⽉选择题第4题出现，往往和⼀起出现。

较为重要。

⼀、编码概述编码(Encoding)是信息按照某种规则或格式，从⼀种形式转换为另⼀种形式的过程。

解码是编码的逆过程。

计算机对信息进⾏存储、加⼯、传递等处理，实际上是对信息的载体——数据进⾏处理。

数据的表现形式可以是⽂本、图形、图像、声⾳、视频等，但不管是哪种形式的数据，最终存储在计算机中的都是经过⼀定规则编码后的⼆进制数字。

⼆、ASCII码ASCII(American Standard Code for Information Interchange，美国信息交换标准代码)是⼀套基于拉丁字母的计算机编码系统，主要⽤于显⽰现代英语和其他西欧语⾔。

它由电报码发展⽽来，是现今最通⽤的单字节编码系统。

基本的ASCⅢ码共有128个，⽤1个字节中的低7位编码。

⼆进制范围为000000111111，即⼗六进制的00H~7FH。

基本的ASCⅢ码由33个控制字符、10个阿拉伯数字、26个英⽂⼤写字母、26个英⽂⼩写字母与些标点符号、运算符号组成。

，建议收藏。

常⽤的有空格为32(20H)，'0'为48(30H)，'A'为65(41H)，'a'为97(61H)，'A'与'a'相差32(20H)。

给定⼀个字符，想要获取其ASCII码怎么做呢？可以使⽤Python内置的ord函数，字符型->整型可以⽤ord函数。

对应题⽬为ord()函数ord函数以⼀个字符（长度为1的字符串）作为参数，返回对应的 ASCII 数值，或者 Unicode 数值TZOJ5885参考代码a=input()print(ord(a))若知道ASCII值，能转换为字符吗？可以使⽤Python内置的chr函数，整型->字符型可以⽤chr函数。

编码标准．字符的表示——字符是人与计算机交互过程中不可缺少的重要信息。

要使计算机能处理、存储字符信息，首先也必须用二进制“0”和“1”代码对字符进行编码。

下面以西文字符和汉字字符为例，介绍常用的编码标准。

（1）ASCII编码ASCII 编码是由美国国家标准委员会制定的一种包括数字、字母、通用符号和控制符号在内的字符编码集，全称叫美国国家信息交换标准代码（American Standard Code for Information Interchange）。

ASCII 码是一种7位二进制编码，能表示2 7＝128种国际上最通用的西文字符，是目前计算机中，特别是微型计算机中使用最普遍的字符编码集。

ASCII编码包括4类最常用的字符。

①数字“0”～“9”。

ASCII编码的值分别为0110000B～0111001B，对应十六进制数为30H～39H。

②26个英文字母。

大写字母“A”～“Z”的ASCII编码值为41H～5AH，小写字母“a”～“z”的ASCII编码值为61H～7AH。

③用字符。

如“＋”、“－”、“＝”、“*”和“/”等共32个。

④制符号。

如空格符和车符等共34个。

ASCII码是一种7位编码，它存时必须占全一个字节，也即占用8位：b 7b 6b 5b 4b 3b 2b 1b 0，其中b 7恒为0，其余几位为ASCII码值。

（2）汉字编码1981年颁行的《信息交换用汉字编码字符集·基本集》（代号为GB2312-80）是交换码的国家标准，所以交换码也称为国标码。

GB2312-80共收集和定义了 7445个基本汉字。

其中，使用频度较高的 3755个汉字定义为一级汉字。

使用频率较低的 3008个汉字定义为二级汉字，共有 6763个汉字。

另外还定义了拉丁字母、俄文字母、汉语拼音字母、数字和常用符号等 682个。

GB2312－ 80规定每个汉字用 2个字节的二进制编码，每个字节最高位为 0，其余 7位用于表示汉字信息。

字符编码简介：ASCII，Unicode，UTF-8，GB2312字符编码简介：ASCII，Unicode，UTF-8，GB23121. ASCII码我们知道，在计算机内部，所有的信息最终都表示为一个二进制的字符串。

每一个二进制位（bit）有0和1两种状态，因此八个二进制位就可以组合出256种状态，这被称为一个字节（byte）。

也就是说，一个字节一共可以用来表示256种不同的状态，每一个状态对应一个符号，就是256个符号，从0000000到11111111。

上个世纪60年代，美国制定了一套字符编码，对英语字符与二进制位之间的关系，做了统一规定。

这被称为ASCII码，一直沿用至今。

ASCII码一共规定了128个字符的编码，比如空格“SPACE”是32（二进制00100000），大写的字母A是65（二进制01000001）。

这128个符号（包括32个不能打印出来的控制符号），只占用了一个字节的后面7位，最前面的1位统一规定为0。

2、非ASCII编码英语用128个符号编码就够了，但是用来表示其他语言，128个符号是不够的。

比如，在法语中，字母上方有注音符号，它就无法用ASCII码表示。

于是，一些欧洲国家就决定，利用字节中闲置的最高位编入新的符号。

比如，法语中的é的编码为130（二进制10000010）。

这样一来，这些欧洲国家使用的编码体系，可以表示最多256个符号。

但是，这里又出现了新的问题。

不同的国家有不同的字母，因此，哪怕它们都使用256个符号的编码方式，代表的字母却不一样。

比如，130在法语编码中代表了é，在希伯来语编码中却代表了字母Gimel (ג)，在俄语编码中又会代表另一个符号。

但是不管怎样，所有这些编码方式中，0—127表示的符号是一样的，不一样的只是128—255的这一段。

至于亚洲国家的文字，使用的符号就更多了，汉字就多达10万左右。

一个字节只能表示256种符号，肯定是不够的，就必须使用多个字节表达一个符号。