你很可能听说过，计算机上使用的是二进制，也就是所有的东西都是0和1构成。那么为什么0和1可以表达各种信息呢？比如现在这篇文章，为什么这个也是0和1构成的，为什么看不出来0和1在哪里？
让我们先换一种方式理解二进制，0和1不是数学上的0和1，而是表示两个不一样的状态，比如灯是不是开着，一个人是男生还是女生。如果用1表示男生，0表示女生，那么10001就表示2个男生，3个女生。如果1表示灯开着，0表示灯关掉，用二进制表示3盏灯的状态就可能是110。也就是说虽然都是0和1，我们可以自己定义他们表达的意思。
要点1：相同数据可以表达不同的意义
那么如果我们需要表达的意思不单单是只有两种呢？比如我们需要表达一年的四个季度，那么需要4中状态，表达一个人的年纪，那就需要可以表示0到150（当然以后也许要200，300甚至更多），只有两个状态不够了，怎么解决？我们可以通过用多个0和1表达一个意思。比如针对四季，我们可以用00，01，10和11分别表示春夏秋冬。
一位的0和1（术语叫一个bit），表示两个状态，在这个两个状态基础上，再增加一位，那么因为新增加的这位也是两个状态，可以把原来能表示的状态增加一倍。比如四季的情况，原来有00，01，10和11四个状态，只需要2位, 现在增加一位，如果新增的位数值是0，那么0和之前的4个状态合起来有4个状态，分别是0(00),0(01), 0(10)和0(11)，括弧里是原来的状态，如果新增的位数值是1，和原来的4个状态合起来，又可以表达4个新状态，分别是1(00),1(01),1(10)和1(11)，总的状态是之前的2倍，也就是4x2=8种状态。再增加一位，变成4个bit，能表达的状态是3个bit的2倍，也就是8x2=16。以此类推，我们可以用16个bit表示2的16次方种状态，也就是65536种（6万5千多），或者我们可以用32个bit表示2的32次方种状态，也就是4294967296种（4百20多万），可以表达足够多的意思，比如所有的汉字，数学符号，英文符号等等。
回到表达年纪的问题，我们可以用7位二进制表达128种状态，8位表示256种状态，也就是8位就足够表达从0到150岁了。
要点2：只要位数够多，我们可以用0和1表达足够多的信息
现在我们知道我们可以用二进制表达任何意思，也知道可以通过增加位数提高可以表达的不同意义。那么如果不同的人有自己的表达方法，那么我们怎么可以分享信息呢？比如我用0表示女生，1表示男生，我可以很清楚的知道我的数据11001表示什么3个男生2个女生，一共5个，但是别人可能用0表示灯灭了，1表示灯亮着，那么同样是11001，在别人看来却表达3盏灯亮，2盏灯灭。怎样才可以大家看到的都一样呢？答案是大家统一规定一个信息的表示方法，比如大家都用7位表示一个字符，也就是最多有128种不同的字符，然后比如用65表示大写字母A，66表示大写字母B，48表示数字0，49表示1，依此类推。这就是ASCII字符集(Charactor Set)。只要大家都遵照这个规则，那么同样的数据就会表达同样的意思。
字符集有很多种，针对不同的语言，不同的需求，在不同的时期发展起来。比如简体中文就有GB 2312, GBK等，有西欧的ISO 8859-1 ， 有阿拉伯语的ISO 8859-6等等。Unicode是一个可以涵括绝大多数已知语言和字符的字符集。
要点3：我们用字符集来满足文字信息交换需求
一个字节一个字节的使用效率不够高，为了有效的管理数据，正常情况下，我们把8位作为一个基本管理单位，叫做字节(byte)。在计算机环境里，处理2的整数次方是最有效的，通常来说，我们会希望处理1个字节，4个字节，8个字节等等，而不是希望处理3个字节，7个字节等等。这叫对齐。
字符集定义了所有在这个字符集能表示的字符和数字的对应关系。比如ASCII代码中用65代表大写字母A。同样的在Unicode中，65也是表示英文字符A（实际上，unicode最开始的127位和ASCII是一样的，可以认为Unicode是ASCII的超集，或者扩展）。这样看起来，大家都用一对一的方法，也就是字符集里面有多少字符，我们找到能够表示所有字符的二进制位数，然后按顺序一对一表示最简单。 对于比较小的字符集，比如ASCII，一共才128个，7位就足以，也就是一个字节（8个bit）就可以表示一个字符。但是对于比较大的字符集，比如unicode，在最新的12.0版本中，一共包含了超过13万7千（137,993）的字符。为了完全表示所有的字符，我们需要至少18位（17位可以表示2的17次方，也就是131072个数字，而18位可以表示2的18次方，也就是262144个不同数字）才能包含所有字符，由于基本单位是字节，那么我们需要3个字节（24个bit）才能表示所有的unicode字符。考虑到对齐，我们要4个字节表示一个字符。
在实际情况中，很多情况下，我们有大量文档是全英文的，或者大多数字符是英文的，本来英文1个字节就可以，那么如果用Unicode，我们需要4个字节，太浪费了。
为了解决这个问题，我们需要换个方法，不能用字符集里面的代码完全一样的数字来表示对应的字符。这就是编码，也就是encoding。比如UTF-8，就是这样一个对于Unicode的编码方式。它的特点是，利用ASCII只需要7位，也就是在一个字节中，还有一个bit是空的，那么如果第一位是0，那就直接和ASII一样，如果第一位是1，那么就和下一个字节，或下几个字节连在一起，表示需超过7位才能表达的字符。这样大多数英文字符就还是用一个字节表示，在英文字符为主的文章中，可以节省大量字节。
要点4：同样的字符集，可以有不同的编码（encoding）方法，使用得当，可以有效的节省空间
让我们先换一种方式理解二进制，0和1不是数学上的0和1，而是表示两个不一样的状态，比如灯是不是开着，一个人是男生还是女生。如果用1表示男生，0表示女生，那么10001就表示2个男生，3个女生。如果1表示灯开着，0表示灯关掉，用二进制表示3盏灯的状态就可能是110。也就是说虽然都是0和1，我们可以自己定义他们表达的意思。
要点1：相同数据可以表达不同的意义
那么如果我们需要表达的意思不单单是只有两种呢？比如我们需要表达一年的四个季度，那么需要4中状态，表达一个人的年纪，那就需要可以表示0到150（当然以后也许要200，300甚至更多），只有两个状态不够了，怎么解决？我们可以通过用多个0和1表达一个意思。比如针对四季，我们可以用00，01，10和11分别表示春夏秋冬。
一位的0和1（术语叫一个bit），表示两个状态，在这个两个状态基础上，再增加一位，那么因为新增加的这位也是两个状态，可以把原来能表示的状态增加一倍。比如四季的情况，原来有00，01，10和11四个状态，只需要2位, 现在增加一位，如果新增的位数值是0，那么0和之前的4个状态合起来有4个状态，分别是0(00),0(01), 0(10)和0(11)，括弧里是原来的状态，如果新增的位数值是1，和原来的4个状态合起来，又可以表达4个新状态，分别是1(00),1(01),1(10)和1(11)，总的状态是之前的2倍，也就是4x2=8种状态。再增加一位，变成4个bit，能表达的状态是3个bit的2倍，也就是8x2=16。以此类推，我们可以用16个bit表示2的16次方种状态，也就是65536种（6万5千多），或者我们可以用32个bit表示2的32次方种状态，也就是4294967296种（4百20多万），可以表达足够多的意思，比如所有的汉字，数学符号，英文符号等等。
回到表达年纪的问题，我们可以用7位二进制表达128种状态，8位表示256种状态，也就是8位就足够表达从0到150岁了。
要点2：只要位数够多，我们可以用0和1表达足够多的信息
现在我们知道我们可以用二进制表达任何意思，也知道可以通过增加位数提高可以表达的不同意义。那么如果不同的人有自己的表达方法，那么我们怎么可以分享信息呢？比如我用0表示女生，1表示男生，我可以很清楚的知道我的数据11001表示什么3个男生2个女生，一共5个，但是别人可能用0表示灯灭了，1表示灯亮着，那么同样是11001，在别人看来却表达3盏灯亮，2盏灯灭。怎样才可以大家看到的都一样呢？答案是大家统一规定一个信息的表示方法，比如大家都用7位表示一个字符，也就是最多有128种不同的字符，然后比如用65表示大写字母A，66表示大写字母B，48表示数字0，49表示1，依此类推。这就是ASCII字符集(Charactor Set)。只要大家都遵照这个规则，那么同样的数据就会表达同样的意思。
字符集有很多种，针对不同的语言，不同的需求，在不同的时期发展起来。比如简体中文就有GB 2312, GBK等，有西欧的ISO 8859-1 ， 有阿拉伯语的ISO 8859-6等等。Unicode是一个可以涵括绝大多数已知语言和字符的字符集。
要点3：我们用字符集来满足文字信息交换需求
一个字节一个字节的使用效率不够高，为了有效的管理数据，正常情况下，我们把8位作为一个基本管理单位，叫做字节(byte)。在计算机环境里，处理2的整数次方是最有效的，通常来说，我们会希望处理1个字节，4个字节，8个字节等等，而不是希望处理3个字节，7个字节等等。这叫对齐。
字符集定义了所有在这个字符集能表示的字符和数字的对应关系。比如ASCII代码中用65代表大写字母A。同样的在Unicode中，65也是表示英文字符A（实际上，unicode最开始的127位和ASCII是一样的，可以认为Unicode是ASCII的超集，或者扩展）。这样看起来，大家都用一对一的方法，也就是字符集里面有多少字符，我们找到能够表示所有字符的二进制位数，然后按顺序一对一表示最简单。 对于比较小的字符集，比如ASCII，一共才128个，7位就足以，也就是一个字节（8个bit）就可以表示一个字符。但是对于比较大的字符集，比如unicode，在最新的12.0版本中，一共包含了超过13万7千（137,993）的字符。为了完全表示所有的字符，我们需要至少18位（17位可以表示2的17次方，也就是131072个数字，而18位可以表示2的18次方，也就是262144个不同数字）才能包含所有字符，由于基本单位是字节，那么我们需要3个字节（24个bit）才能表示所有的unicode字符。考虑到对齐，我们要4个字节表示一个字符。
在实际情况中，很多情况下，我们有大量文档是全英文的，或者大多数字符是英文的，本来英文1个字节就可以，那么如果用Unicode，我们需要4个字节，太浪费了。
为了解决这个问题，我们需要换个方法，不能用字符集里面的代码完全一样的数字来表示对应的字符。这就是编码，也就是encoding。比如UTF-8，就是这样一个对于Unicode的编码方式。它的特点是，利用ASCII只需要7位，也就是在一个字节中，还有一个bit是空的，那么如果第一位是0，那就直接和ASII一样，如果第一位是1，那么就和下一个字节，或下几个字节连在一起，表示需超过7位才能表达的字符。这样大多数英文字符就还是用一个字节表示，在英文字符为主的文章中，可以节省大量字节。
要点4：同样的字符集，可以有不同的编码（encoding）方法，使用得当，可以有效的节省空间
评论
发表评论