日文中字乱码一二三区别在哪？理解文本编码

很多朋友对于日文中字乱码一二三区别在哪和理解文本编码不太懂，今天就由小编来为大家分享，希望可以帮助到大家，下面一起来看看吧！

1、在计算机的内部，信息都是以二进制的方式存储的，二进制的一位(bit)可以表示0和1。位也叫做比特。

2、位作为单位太小，为了便于使用，通常使用字节(byte)来表示二进制。一个字节有8位，可以表示256种(2的8次方)种状态，对应数字是0~255。字节是计算机存储的最小单位。

3、计算机在存储各种类型的数据，文本，图像，音乐，视频等时，需要将数据转换成字节，这个过程就是编码。不同的格式有不同的编码，文本编码就是将文本转换成字节一种方法。下面，就来了解一下最简单的文本编码。

4、英文字母只有26个，大小写一共52个，数字有10个，再加上一些标点符号，也不超过256种，因此英文使用一个字节就可以表示。

5、计算机中最常见英文编码的就是ASCII(AmericanStandardCodeforInformationInterchange)美国信息标准信息交换码。

6、标准的ASCII编码使用7位。其中65~90是大写字母，97～122是小写字母，48~57是数字，32是空格。

7、扩展的ASCII使用了8位，增加了最高位为1的部分，用于表示特殊符号、外来语字母和图形符号。

8、小技巧：在电脑上，按住Alt键，使用小键盘区的数字按下ASCII编码，再松开Alt键，可以输入对应的字符了。

9、汉字的数量和英文字母相比，就不是一个量级了。中文常用字就有几千，使用一个字节无法表示。

10、汉字使用的编码是GB2312，一个汉字使用两个字节表示，比如"我"使用两个字节"CED2"表示。

11、GB2312编码中，英文使用一个字节表示，兼容ASCII标准编码，字节的最高位为0；中文使用两个字节表示，每个字节的最高位都是1。

12、GBK是对GB2312的补充，增加了许多不常用汉字和繁体字。

13、不同文字有自己的编码。比如繁体中文(BIG5)，日文(SHIFT_JIS)。

14、不同的编码可能使用相同的字节表示本国的字符。比如在GB2312编码中“我”字的编码是“CED2”，而在BIG5编码中，“CED2”对应的是“扂”字。

15、ACSII编码一个使用1个字节，是单字节编码，GB2312一个文字编码使用1个或2个字节，是多字节编码。

16、为何需要Unicode

17、每种文字有各自的编码，但一个文本无法同时包含多种编码的文字。于是产生了Unicode(统一码)，为每种语言的文字设置了统一并且唯一的编码。有了Unicode，就可以跨语言、跨平台进行文字处理。

18、Unicode相关的概念

19、在Unicode字符集中的某个字符对应的代码值，称作代码点（CodePoint），用16进制书写，并加上U+前缀。比如，“田”的代码点是U+7530，”A”的代码点是U+0041。

20、目前的Unicode字符分为17组编排，U+0000至U+10FFFF，每组称为代码平面（CodePlane），每平面拥有65536(2的16次方)个代码点。

21、平面0的部分编码区

22、U+D800-U+DFFF，是代理区（Surrogate）。UTF16需要通过代理区表示平面0以外的一个字符。

23、UCS(UniversalCharacterSet)通用字符集是与Unicode相似的一种统一编码，是由ISO国际标准化组织制定的，后来与Unicode统一了编码。如今，我们说Unicode，也就是UCS。

24、UTF(UnicodeTransferFormat)统一码传输格式定义了统一码的代码点如何转换到字节。

25、通常我们说Unicode，指的是UTF16和UTF8编码，尤其指UTF16编码。

26、UCS-2和UCS-4是UCS定义的字符转换字节的方式。

27、UCS-2是UTF16的子集，不支持代理对，因此只能表示平面0的字符。

28、UTF16和UTF32编码，根据字节的顺序，分为BigEndian(大字节序，高位在前)和LittleEndian(小字节序，高位在后)，为了区分字节顺序，需要在文本的开头加入BOM(ByteOrderMark)字节序标志。

29、UTF8没有字节序的区分，不需要BOM来表明字节序，但可以用BOM来表明编码方式。

30、记事本可以读取无BOM的UTF8编码，但写入UTF8编码时,总是带上BOM。

31、乱码可以分成两种，一种是文本本身不是乱码，但是读取时选择了错误的编码，导致显示出来的是乱码，这种情况重新选择正确的编码读取就恢复正常了；另一种是文本本身经过不当处理，已经是乱码了，这种情况，乱码已经被保存，正确的文字已经丢失，无法恢复。

32、始终使用Unicode保存文本。UTF8，UTF16都是比较常用的编码。

如果你还想了解更多这方面的信息，记得收藏关注本站。