在上一期,我们顺口提到了——你写的网页在打开后,可能发现只是一串乱码。那么这是为什么呢?
这就是编码的神奇力量!
八卦的启示——什么是编码?
编码的思想,很早就在中国诞生了,从还不太明朗的结绳记事、算筹一直到成熟的八卦,无不包含编码的思维。
在八卦中,使用一长横“—”代表“阳”,使用两短横“- -”代表“阴”,三个横线组合起来可以形成八种不同的符号,也就是:乾(☰)、震(☳)、坎(☵)、艮(☶)、坤(☷)、巽(☴)、离(☲)、兑(☱)。这八种符号分别代表了自然界的不同事物——我们不得不惊叹前人的智慧,使用八种符号就可以表示我们世界的万物。
这,就是编码——使两个符号(阴阳)通过不同的排列,表示不同的信息。这也是计算机的核心原理之一。
我们都知道,计算机只认识0和1,而计算机能存储、表示、处理如此多样的信息,就是通过编码。只要0和1的位数足够多,就能表示出足够庞大的信息。
最简单的数字编码——二进制
计算机最初被设计来进行复杂计算,这也就诞生了最初的编码问题——我们如何用0和1来表示我们常见的十进制数字。
这里,我们不进行复杂的介绍,我们只需要知道这个常识就足够了——二进制就是我们使用两个符号来表示信息(0与1),同理,十进制也是一种编码,我们的祖先用两只手的十根手指来代表十进制里使用的10个符号(0-9)。
其对应规则如下:
十进制 |
二进制 |
0 |
0000 |
1 |
0001 |
2 |
0010 |
3 |
0011 |
4 |
0100 |
5 |
0101 |
6 |
0110 |
7 |
0111 |
8 |
1000 |
9 |
1001 |
推荐自行了解一下进制转换、二进制的计算等扩展内容。
字符编码——ASCII
ASCII全称American Standard Code for Information Interchange,美国信息交换标准代码。这种代码被设计用来表示一些常见符号和英文字母。其中包括可打印字符和不可打印字符,不可打印字符通常用来描述打字机操作,不是我们关注的重点。我们需要了解的如下表:
ASCII 码 |
字符 |
|
ASCII 码 |
字符 |
|
ASCII 码 |
字符 |
|
ASCII 码 |
字符 |
||||
十进位 |
十六进位 |
|
十进位 |
十六进位 |
|
十进位 |
十六进位 |
|
十进位 |
十六进位 |
||||
032 |
20 |
|
|
056 |
38 |
8 |
|
080 |
50 |
P |
|
104 |
68 |
h |
033 |
21 |
! |
|
057 |
39 |
9 |
|
081 |
51 |
Q |
|
105 |
69 |
i |
034 |
22 |
" |
|
058 |
3A |
: |
|
082 |
52 |
R |
|
106 |
6A |
j |
035 |
23 |
# |
|
059 |
3B |
; |
|
083 |
53 |
S |
|
107 |
6B |
k |
036 |
24 |
$ |
|
060 |
3C |
< |
|
084 |
54 |
T |
|
108 |
6C |
l |
037 |
25 |
% |
|
061 |
3D |
= |
|
085 |
55 |
U |
|
109 |
6D |
m |
038 |
26 |
& |
|
062 |
3E |
> |
|
086 |
56 |
V |
|
110 |
6E |
n |
039 |
27 |
' |
|
063 |
3F |
? |
|
087 |
57 |
W |
|
111 |
6F |
o |
040 |
28 |
( |
|
064 |
40 |
@ |
|
088 |
58 |
X |
|
112 |
70 |
p |
041 |
29 |
) |
|
065 |
41 |
A |
|
089 |
59 |
Y |
|
113 |
71 |
q |
042 |
2A |
* |
|
066 |
42 |
B |
|
090 |
5A |
Z |
|
114 |
72 |
r |
043 |
2B |
+ |
|
067 |
43 |
C |
|
091 |
5B |
[ |
|
115 |
73 |
s |
044 |
2C |
, |
|
068 |
44 |
D |
|
092 |
5C |
\ |
|
116 |
74 |
t |
045 |
2D |
- |
|
069 |
45 |
E |
|
093 |
5D |
] |
|
117 |
75 |
u |
046 |
2E |
. |
|
070 |
46 |
F |
|
094 |
5E |
^ |
|
118 |
76 |
v |
047 |
2F |
/ |
|
071 |
47 |
G |
|
095 |
5F |
_ |
|
119 |
77 |
w |
048 |
30 |
0 |
|
072 |
48 |
H |
|
096 |
60 |
` |
|
120 |
78 |
x |
049 |
31 |
1 |
|
073 |
49 |
I |
|
097 |
61 |
a |
|
121 |
79 |
y |
050 |
32 |
2 |
|
074 |
4A |
J |
|
098 |
62 |
b |
|
122 |
7A |
z |
051 |
33 |
3 |
|
075 |
4B |
K |
|
099 |
63 |
c |
|
123 |
7B |
{ |
052 |
34 |
4 |
|
076 |
4C |
L |
|
100 |
64 |
d |
|
124 |
7C |
| |
053 |
35 |
5 |
|
077 |
4D |
M |
|
101 |
65 |
e |
|
125 |
7D |
} |
054 |
36 |
6 |
|
078 |
4E |
N |
|
102 |
66 |
f |
|
126 |
7E |
~ |
055 |
37 |
7 |
|
079 |
4F |
O |
|
103 |
67 |
g |
|
127 |
7F |
DEL |
不用害怕,这个表不需要“全文背诵”。
ASCII码最初设计时,是使用七个二进制位来表示128个字符,为了方便计算机进行处理,我们在使用时通常给它加前缀0使其变成8位,计算机中,我们常使用十六进制来避免过长的二进制串(二进制和十六进制的转换极为简单)。
我们必须牢记一点:所有的编码都是人为规定的。这可以避免一些初学者提出一些难以回答的问题,比如“为什么0的ASCII码是30?”,对于这种问题,只有统一的回答——这是人为规定的,也许方便了设计者,也许方便了使用者,也许只是设计者当时的心情不太好。
使用这套编码方式,我们就能把字符存储在计算机里了——比如我们想存一个A,则只要在计算机里存下01000001即可——这是计算机所能存储的形式。
简体中文编码——GBK
同理,GBK是另一种编码方法,这种编码方式足够复杂来表示几乎我们需要使用的所有简体汉字,对于其具体的编码方式,我们不需要掌握,感兴趣可以自行了解。
海纳百川——万国码
计算机的普及使得国际上急需一种编码标准——这种编码方式能够表示世界上所有得文字。这就是Unicode,其中最常用的一种编码方式为UTF-8。
计算机中的文本文件
我们现在知道了,想要在计算机里存储文本,就需要选择一种编码,这样才能把我们得文本表示成二进制串从而存储在计算机中,当我们需要使用时,计算机再把二进制串转成我们认识的信息——这叫解码。
这时,问题就来了,一串0和1,那么多种编码方式,计算机怎么知道这一串0和1是用了什么编码呢?遗憾的是,计算机不知道,所以,需要我们告诉它。操作系统简化了这一步骤,Windows默认使用GBK编码中文,所以我们在打开Word或者文本文档时不需要手动选择文件的解码方式,但是不同操作系统有不同的默认设置,浏览器也是如此。
当你写网页的源代码时使用了GBK编码,而浏览器使用UTF-8打开时,网页就会显示乱码——超文本文件也是文本文件。
设置网页的默认编码
幸运的是,不同编码对ASCII编码都有一定的兼容性,所以英文通常不会乱码,所以我们的标签不会因为解码方式的错误而变得乱七八糟——我们可以使用标签来告诉浏览器,我们的网页在编写的时候使用了何种编码,这样就能保证网页显示出来和我们编辑时是一样的。
我们在<head>标签中加一个标签:
<meta charset=”utf-8”>
使网页用utf-8编码显示。
HTML字符实体
我们会发现,当我们在编辑网页内容时,明明打了很多空格,但是显示出来只有一个空格,当我们需要显示<head>而不是把他作为标签时,浏览器也无法智能地处理。
这就需要用到HTML字符实体,我们直接使用一种编码来表示这个字符。
比如我们使用 来表示空格,&是各一个前缀,用来表示他后面跟了一个编码的值而不是需要显示的网页内容,#代表之后跟了一个数值。当然,给一些常用的编码取了“小名”,方便我们的使用,所以空格又可以写成 ,请务必不要漏掉分号。
其他的HTML字符实体:https://www.runoob.com/tags/ref-entities.html
如果这篇文章对你有帮助,请点个赞,你的支持就是我的动力!
点击扫描二维码,关注极客剑寮!