扫码加入数据分析学习群

1、位：

数据存储的最小单位。每个二进制数字0或者1就是1个位；

2、字节：

8个位构成一个字节；即：1 byte (字节)= 8 bit(位)；

1 KB = 1024 B(字节)；

1 MB = 1024 KB; (2^10 B)

1 GB = 1024 MB; (2^20 B)

1 TB = 1024 GB; (2^30 B)

3、字符：

a、A、中、+、*、の......均表示一个字符；

一般 utf-8 编码下，一个汉字 字符 占用 3 个 字节；

一般 gbk 编码下，一个汉字 字符 占用 2 个 字节；

4、字符集：

各种各个字符的集合，也就是说哪些汉字，字母（A、b、c）和符号（空格、引号..）会被收入标准

5、编码：

规定每个“字符”分别用一个字节还是多个字节存储，用哪些字节来存储，这个规定就叫做“编码”。

（实际是对字符集中字符进行编码，即：每个字符用二进制在计算中表示存储）

通俗的说：编码就是按照规则对字符进行翻译成对应的二进制数，在计算器中运行存储，用户看的时候（比如浏览器），

在用对应的编码解析出来用户能看懂的；

几种编码格式：

（1）标准ASCII字符集：由96个打印字符和33个控制字符组成；一共96+32=129个；

用7位二进制数来对每1个字符进行编码；

由于7位还还不够1个字节，而电脑的内部常用字节来用处理，每个字节中多出来的最高位用0替代；

0 000 0000.........................0

0 111 1111..........................127； 从0----127，来表示128个ACSII编码；

比如：

字符 'A'----------在计算器内部用0100 0001 （65）来表示；

字符'a'-----------在计算器内部用0 110 0001 （97）来表示；

注意：'10'在计算器内部是没有编码的，因为它是字符串，而不是单个字符。可以分别对1,0字符编码存储；

（2）扩展ASCII字符集：将标准的ASCII最高位1，得到十进制代码128---255（1 000 0000----1 111 1111）；

所以字符集一共有0---255, 256个字符；

（3）gb2312字符集: 所有汉字字符在计算机内部采用2个字节来表示，每个字节的最高位规定为1

【正好与标准ASCii字符（最高位是0）不重叠，并兼容】，不支持繁体字；

备注：gb2312表示汉字的编码为：[129--255][129--255] (两个字节，每个字节最高位是1)；

小于127的字符，与ASCII编码相同；

（4）gbk字符集：gb2312的扩充，兼容gb2312，除了收录gb2312所有的字符外，还收录了其他不常见的汉字、繁体字等；

gbk中字符是一个或两个字节，单字节字符00--7F（0---127）这个区间和ASCII是一样的；

双字节字符的第一个字节是在81--FE（129--254）之间。通过这个可以判断是单字节还是双字节；

即：在gbk字符编码，如果第一个字节是>128的，则再往后找一个字节，组成汉字；

如果第一个字节<128,则表示的是一个单字节（此时和ASCII是一样的）；

原文链接：https://blog.csdn.net/prdslf001001/article/details/78615823