字符在计算机中的存储和表示（字符是如何存入计算机的）

当我们打开计算机里的记事本，记下了新学的英文单词的时候，你可曾想过英文单词是如何保存到计算机里呢？我们都知道计算机是二进制体系，最底层一定存储的是二进制信息，那么问题来了，这些英文字符是如何转换到二进制的呢？这里就采用了字符编码技术了，就是我们常说ASCII编码。ASCII 全称：American Standard Code for Information Interchange 美国信息交换标准代码。为什么是美国制定的标准？因为计算机最早是美国人发明的，他们最早遇到如何将字符存入计算机的问题，所以理所当然也就是美国人发明出了ASCII码了。

下面一起看一下ASCII码都有什么特点，以下只是部分摘抄了ASCII

• 二进制 十进制 缩写/字符 解释
• 0000 0000 0 NUL(null) 空字符
• 0000 1101 13 CR 回车键
• 0100 0001 65 A 大写字母A
• 0111 1111 127 DEL(delete) 删除

从以上列表中，我们得出了ASCII码的几个特点：

（1）总共定义了128个字符，从十进制的0开始一直到127；

（2）这些字符包括了以下几类：大写字母A至Z，小写字母a至z,数字0至9，还有键盘上一些特殊符号（!@#$~），最后包括了控制字符，如上表中的回车键或删除键等。

（3）二进制的最高位为0，只用了7位存储信息，因为2⁷=128，所以存储了128个字符。

下面再简单介绍下位（bit）、字节（Byte）的概念，位表示的是二进制位，一般称为比特，是计算机运算和存储的最小单位。字节是计算机中数据处理的基本单位。1个字节等于8个比特（1Byte=8bit），比字节大的单位有KB、MB、GB、T ，它们间换算关系为：1KB=1024B 1MB=1024KB 1GB=1024MB 1T=1024GB。

现在再来看ASCII码表，假设用8位存储的话，二进制则表示为1111 1111，这个数字换算成十进制是255，这就说明用8位存储的话，可以存储0-255，总共存256个信息，这是因为2⁸=256。综上所述，说明7位可以存储128个信息，最大值127，8位可以存储256个信息，最大值255。在这里为什么会专门讲这个，因为我们编程的时候经常会遇到存储的问题，所以这些基本概念一定要清楚。还有个问题就是关于控制字符，控制字符都是不可见的字符，但却是我们编程中经常使用的。比如用户敲了回车键，我们可以根据ASCII码得出该键的十进制为13，只要判断是否等于13就知道用户是否敲了回车键，如果等于13的话，则可以调用相应的计算机指令完成相应的功能。

当计算机进入中国后，发现一个最大的问题，就是我们的汉字没有办法存储到计算机中。于是，中国的科学家们就编制了一套中文字符编码，这个中文编码就是GB2312。GB2312 是 1980 年制定的中国汉字编码国家标准。共收录 7445 个字符，其中汉字 6763 个。GB2312 兼容标准 ASCII码，采用扩展 ASCII 码的编码空间进行编码，一个汉字占用两个字节，每个字节的最高位为 1。

在这里我们需要记住GB2312的两个特点：

（1）GB2312的第一个字节还是原来的ASCII编码；

（2）一个汉字占用了两个字节存储；

既然中国有中国的编码，同样日本、韩国等，只要有自己的语言文字，都会有一套自己的编码，这样我们在处理文字信息的时候，就会非常繁琐。于是，后来人们就想到了要统一编码，就好像人类交流的通用语言是英文一样，统一的编码就叫Unicode码。

Unicode码扩展自ASCII字元集，它为每种语言中的每个字符设定了统一并且唯一的二进制编码。Unicode 编码共有三种具体实现，分别为utf-8,utf-16,utf-32，其中utf-8占用一到四个字节，utf-16占用二或四个字节，utf-32占用四个字节。

我们在开发中应用的主要是utf-8，所以下面介绍下utf-8

utf-8使用1~4字节为每个字符编码：

（1）ASCIl字符还是原来的1字节编码。

（2）带有变音符号的拉丁文、希腊文、西里尔字母、亚美尼亚语、希伯来文、阿拉伯文、叙利亚文等字母则需要2字节编码。

（3）汉字（包括日韩文字、东南亚文字、中东文字等）使用3字节编码。

（4）其他极少使用的语言字符使用4字节编码

当然字符编码不止我介绍的这三种，在这里主要是帮助初学者建立一个基本的概念。如果你觉得文章还不错，请帮忙转发给需要的朋友。