前言

计算机中实际存储的是二进制数据，是没有办法直接存储字符串的，因此为了存储字符是建立在字符与二进制数据的映射关系之上。建立这个关系，我们首先需要解决两个问题：

  • 要把哪些字符映射成二进制数据？
  • 怎么映射？把字符映射成二进制数据叫做编码，将二进制数据映射到字符叫做解码
1
2
3
4
5
'a' -> 00000001 (十六进制0x01)
'b' -> 00000010 (十六进制0x02)
'A' -> 00000011 (十六进制0x03)
'B' -> 00000100 (十六进制0x04)

现在有了我们自己的字符集，我们就可以用二进制表示一些字符串了，例如：

  • ‘bA’ -> 0000001000000011 （十六进制 0x0203）
  • ‘baB’ -> 000000100000000100000100 （十六进制 0x020104）
  • ‘cd’ -> 无法表示，因为 huyizhou 字符集里不包含 ‘c’ 和 ‘d’

字符比较规则

其实字符的比较，最容易想到的就是比较两个字符对应的二进制编码大小。二进制比较规则景观很简单，但是有时候并不符合现实的需求。例如，在很多场景下，英文字符都是不区分大小写的，换句话说 ‘a’ 和 ‘A’ 是相等的，这个时候就不能简单的使用二进制比较，这个时候就需要这两个规则：

  • 将两个大小写不同的字符全部都转为大写或者小写
  • 再比较这两个字符对应的二进制数据

常见的字符集

  • ASCII 字符集：共收录 128 个字符，包括空格、标点符号、数字、大小写字母和一些不可见的字符。由于 ASCII 字符集一共也才 128 个字符，所以可以使用一个字节来进行编码
1
2
3
'L' -> 01001100 （十六进制0x4C，十进制76）
'M' -> 01001101 （十六进制0x4D，十进制77）

  • ISO 8859-1 字符集：共收录 256 个字符，在 ASCII 字符集的基础上又扩充了 128 个西欧常用字符，因此 ISO 8859-1 字符集也可以使用一个字节来进行编码
  • GBK
  • UTF-8

其他