一个英文字母占几个字节？

Byte Charecter Set

不同编码里，字符和字节的对应关系不同，与编码方式有关。

unicode 字符 unicode字符,字符丢失

常见的编码字符与字节的对应关系如下：

2、UTF-8编码中，一个优点：适用于繁体中文环境，属于标准，为繁体Windows所使用，在和得到广泛支持，而且，由于软件业发展较早，国外软件支持big5的比支持gb2312/gbk的要多；英文字符等于一个字节，一个中文（含繁体）等于三个字节。

3、Unicode编码中，一个英文等于两个字节，一个中文（含繁体）等于两个字节。

4、GBK编码方式是中文占两个字节，英文占1个字节。

扩展资料：

UTF-8是一种很常用的编码方式，正是因为UTF-8的字符数和字节数的换算不固定，导致你无法从UNICODE字符数判断出UTF-8文本的字节数。

UTF-8是一种变长编码，它需要用2个字节编码那些用扩展ASCII字符集只需1个字节的字符。

UTF-8 在它的表示中使用值100xxxxx的几率超过50%， 而现存的实现如ISO 2022， 4873， 6429， 和8859系统，会把它错认为是C1 控制码。因此产生了UTF-7.5编码。

参考资料来源：

参考资料来源：

参考资料来源：

什么是Unicode

3、Unicode标准规定U+D800..U+DFFF的值不对应于任何字符.

对于英文ISO Latin-1 是UNICODE的子集，但不是UTF-8的子集 8位字符的UTF-8编码会被email过滤，因为internet信息最初设计为7位ASCII码。因此产生了UTF-7编码。来说，ascii码0-127就足以代码所有字符，对于中文而言，则必须使用两个字节(byte)来代表一个字符，具个字节必须大于127(所以我们有许程序判断中文都是以ascii码大于127作为条件)

以上用两个字节来表示一个中文的方式，在习惯上称为双字节(即DBCS:Double-ByteCharacterSet)，而相对之下，英文的字符码就称为单字节SBCS(Single-ByteCharacterSet)。

虽然双字节(DBCS)足以解决中英文字符混合使用情况，但对于不同字符系统而言，必须经过字符码转换，非常麻烦。例如：中英文混合情况，日文，韩文等等。

为解决这个问题，Apple,Xerox,Microsoft,IBM,Novell,Borland...很多公司联合起来制订了一套可以适用于全世界所有的字符码，就称为Unicode

Unicode的特点是：

不管哪一国的字符码均以两个Byte表示，例如"A"在Unicode则是16进制41和00的组合，即4100，高位41(转换为Ascii码即是65=A)，

WindowsNT/2000以Unicode来表示字符集，例如你可以看到MSSQL中产生的SQL文件可以选择是以Unicode来保存还是以普通格式来保存，如果你以Unicode保存，则在95/98平台许多软件均无确读出其格式。

同时你还可以注意到95/98中API定义，许多名称结尾是有一个A的，例如

WriteProfileStringA

而在NT/2000作系统中，提供了两套API，另外一个命令是WriteProfileStringW，以W结尾的API只适用于NT/2000。（在NT中使用以W结尾的API函数效率比A结尾的要快，因为省去了Unicode和DBCS/SBCS的转换过程）

这样我们经常要用到的判断字符串长度的函数，在NT和95/98下执行结果不同，如下：(下面代码适合于VB,ASP)

95/98中：

len("abc")返回7(因为每个中文作为两个Ascii码来看)

nt/2000中：

len("abc")返回5(因为每个字符都作为一个Unicode来看)

明天将介绍如何在VB/NT环境下使len("abc")返回长度等于7

(PB不存在以上情况，除非你在NT下使用PB的Unicode版本，通常我们大家使用的均是PB的Windows32位版本)

unicode8.0 共多少字符集

);参数：

我们一般通常使用的字符集有：ASCII ISO-8859-1 GB2312 big5 GBK Unicode2.0，另外还有一种基于32位的GB18030字符集是新出来的一种字符集，其为一个汉字设计了4个字节，因此可以说是目前为止，对汉字支持无论是简体还是繁体都是支持比较好的一种，当然主要的缺点就是太占空间，不利于在网路上传输。

7. 如何表示Unicode字符串常量？

ASCII：

7位字符集，包括52个大小写英语字母，10个数字，1个空格，32个符号。

适用于纯英文环境，兼容性，在其他各种字符集下都能正确识别；不适用于英语以外的环境。

Latin1（ISO-8859-1）：8位字符集，向下兼容ASCII字符集，并增加了一些西欧语言中的字母和符号。

优点：适用于西欧语种，得到世界广泛的软件支持；

缺点：不能表示拉丁语系以外的语言，不兼容少量只使用7位字符集的古老程序。

GB2312：16位字符集，收录有6763个简体汉字，682个符号；

优点：适用于简体中文环境，属于标准，在大陆（和新加坡？）得到广泛支持；

big5：16位字符集，收录有13060个繁体汉字，440个符号；

缺点： 不兼容简体中文环境，和gb2312之间需要转换。

优点：适用于简繁中文共存的环境，为简体Windows所使用（代码页cp936），向下完全兼容gb2312；

缺点：不属于标准，和big5之间需要转换。

GB18030：32位字符集；收录汉字数不详，应该相当详尽。

优点：可以收录所有你能想到的文字和符号，属于的标准；

缺点：由于空间使用效率低（一个汉字占四个字节），运行速度慢， 目前支持它的软件较少。

Unicode2.0: 16位字符集（ucs2），收录有汉字20902个，符号6811个；

优点：适用于化环境，可以做为字符的内部表示和存储形式，来实现软件的化、本地化；

缺点：目前支持较少，与其他中文字符集不兼容。

使用哪一种字符集，需要根据使用环境而定。不要盲目的使用最全的字符集，这样不仅运行效率，占用多余空间，而且会降低软件的兼容性，因为不是所有运行环境都安装有所有字符集。

如果只处理英文，则可以使用Latin1字符集，目前绝大多数机子上都可以支持。如果只处理简体中文，使用GB2312，如果同时需要支持简繁体中文，使用 GBK；如果确实需要使用偏僻字，再使用GB18030；GB2312/BIG5/GBK/GB18030都只适用于中文环境，如果需要化，当然要使用unicode。

有人说，同时存在和使用这么多字符集，会人为的增加软件的开发难度和不兼容性。我也认同这一点，但是，目前多种字符集的存在，尤其是多种中文字符集并存，有其现实的背景和应用，不能简单的要求使用某一个字符集就完事，否则只是不切实际的空想。GBK的编码位利用率高，汉字覆盖面广，支持简繁体同时显示，并且广泛应用于简体中文Windows环境中，已近乎成为事实上的标准，得到了越来越广泛的支持，但它不是标准。的GB18030是典型的学院派标准，要用一个大而全的字符集来替代现有的GB2312、GBK等，却没有考虑到实际应用的可能性。且不说其在一般应用中造成的双倍的存储空间浪费和传输带宽浪费（虽然目前单位存储价格急遽下降，不需要在象过去那样计较，但也不表示我们可以任意挥霍），更重要的是其实现的高度复杂性和编码查找及转换时的低效率，这在系统软件当中是不可容忍的。

其实，任何一种字符集都不可能适用于所有环境，字符集的设计应该根据不同的需要来分别设计，在尽量避免重复功能的字符集的同时，保持字符集之间尽可能的兼容性。更好的中文字符集的实现应该是实现两种标准，一种16位字符集，一种32位字符集。16位字符集用于一般性应用，类似于目前的GBK（或者直接把GBK做为标准）。32位字符集向下兼容16位字符集（或直接采用Unicode 3.0），用于文字处理等场合。作系统和数据库管理系统等系统性软件需要同时支持这两种字符集，而一般的应用软件只需要选择一种适合自己的就行了。

unicode在qq中如何使用?

查出旧环境的数据库用户，在新数据库中创建

问：什么是Unicode？

答：Unicode给每个字符提供了一个的数字，不论是什么平台，不论是什么程序，不论什么语言。Unicode标准已经被这些工业界的们所采用，例如：Apple, HP, IBM, JustSystem, Microsoft, Oracle, SAP, Sun, Sybase, Unisys和其它许多公司。的标准都需要Unicode，例如XML, Ja, ECMAScript (JaScript), LDAP, CORBA 3.0, WML等等，并且，Unicode是实现ISO/IEC 10646的正规方式。许多作系统，所有的浏览器和许多其他产品都支持它。Unicode标准的出现和支持它工具的存在，是近来全球软件技术最重要的发展趋势。

问：为什么使用Unicode？

答：基本上，计算机只是处理数字。它们指定一个数字，来储存字母或其他字符。在创造Unicode之前，有数百种指定这些数字的编码系统。没有一个编码可以包含足够的字符：例如，单单欧州共同体就需要好几种不同的编码来包括所有的语言。即使是单一种语言，例如英语，也没有哪一个编码可以适用于所有的字母，标点符号，和常用的技术符号。这些编码系统也会互相冲突file.Open(TEXT("Test.txt"), CFile::modeCreate|CFile::modeWrite);。也就是说，两种编码可能使用相同的数字代表两个不同的字符，或使用不同的数字代表相同的字符。任何一台特定的计算机（特别是）都需要支持许多不同的编码，但是，不论什么时候数据通过不同的编码或平台之间，那些数据总会有损坏的危险。

答：比如，简体中文（GB）、繁体中文（BIG5）、日文中，“赵”都是一个字，但是编码不同。在不同的编码下，BIG5的赵是0xBBAF，而0xBBAF在GB里面就被显示为“化”，这就是乱码。而Unicode采用统一的编码，“赵”只有一个，不必管他在哪种文字里。

QQ爱好者真诚为你解答

字符编码中ASCII，Unicode和UTF-8的区别

Unicode的编码空间从U+0000到+10FFFF，共有1,112,064个码位（code point）可用来映射字符. Unicode的编码空间可以划分为17个平面（plane），每个平面包含216（65,536）个码位。17个平面的码位可表示为从U+xx0000到U+xxFFFF,其中xx表示十六进制值从0016到1016，共计17个平面。个平面称为 基本多语言平面 （Basic Multilingual Plane, BMP ），或称第零平面（Plane 0）。其他平面称为 辅助平面 （Supplementary Planes）。基本多语言平面内，从U+D800到U+DFFF之间的码位区段是保留不映射到Unicode字符。UTF-16就利用保留下来的0xD800-0xDFFF区段的码位来对辅助平面的字符的码位进行编码。

ASCII码使用一个字节编码，所以它的范围基本是只有英文字母、数字和一些特殊符号 ，只有256个字符。

Unicode能够表示全世界所有的字节

GBK是只用来编码汉字的，GBK全称《汉字内码扩展规范》，使用双字节编码。

UTF-8（8-bit Unicode Transformation Format）是一种针对Unicode的可变长度字符编码，又称万国码。由Ken Thompson于1992年创建。现在已经标准化码的范围时，就用一个字节表示，保留了ASCII字符一个字节的编码做为它的一部分，注意的是unicode一个中文字符占2个字节，而UTF-8一个中为RFC 3629。UTF-8用1到6个字节编码UNICODE字符。用在网页上可以同一页面显示中文简体繁体及其它语言（如英文，日文，韩文）。

utf-8和gb2312有什么区别啊

只修改charset是不够的,你还要把文件重—————————————————————–新保存为对应的编码才可以

UTF-8和gb2312的区别,简单点说,UTF-8是用三个字节来保存一个汉字,而GB2312是用两个字节保U-00010000 - U-001FFFFF: 11110xxx 10xxxxxx 10xxxxxx 10xxxxxx存一个汉字.

unicode和ascii字符编码的区别

malloc(nCharacters sizeof(TCHAR)),而不是调用malloc(nCharacters)。

计算机发明后，为了在计算机中表示字符，人们制定了一种编码，叫ASCII码。ASCII码由一个字节中的7位(bit)表示，范围是0x00 - 0x7F 共128个字符。

后来他们突然发现，如果需要按照表格方式打印这些字符的时候，缺少了“制表符”。于是又扩展了ASCII的定义，使用一个字节的全部8位(bit)来表示字符了，这就叫扩展ASCII码。范围是0x00 - 0xFF 共256个字符。

人利用连续2个扩展ASCII码的5. 导入数据扩展区域（0xA0以后）来表示一个汉字，该方法的标准叫GB-2312。后来，日文、韩文、文、繁体（BIG-5）......都使用类似的方法扩展了本地字符集的定义，现在统一称为 MBCS 字符集（多字节字符集）。这个方法是有缺陷的，因为各个地区定义的字符集有交集，因此使用GB-2312的软件，就不能在BIG-5的环境下运行（显示乱码），反之亦然。

为了把全世界所有的所有的文字符号都统一进行编码，于是制定了UNICODE标准字符集。UNICODE 使用2个字节表示一个字符(unsigned shor int、WCHAR、_wchar_t、OLECHAR)。这下终于好啦，全世界任何一个地区的软件，可以不用修改地就能在另一个地区运行了。虽然我用 IE 浏览日本网站，显示出我不认识的日文文字，但至少不会是乱码了。UNICODE 的范围是 0x0000 - 0xFFFF 共6万多个字符，其中光汉字就占用了4万多个

什么是unicode big endion编码

如果不考虑GB18030字符集的话，最详尽的字符集应该是Unicode了，不多支持了GBK所支持的所有汉字不敢过总量上还是稍微一点。GBK尽管不是标准，但是已经成为事实上的一个行业标准，同时支持汉字的简体和繁体两种字体。比Gig5和GB2312强大些，为了更加明确的说明各个字符间的异，先详细说明如下：

什么是 Unicode?

历史上存在两个的尝试创立单一字符集的组织，即：

历史上, 有两个的, 创立单一字符集的尝试. 一个是标准化组织(ISO)的 ISO 10646 项目, 另一个是由(一开始大多是美国的)多语言软件制造商组成的协会组织的 Unicode 项目. 幸运的是, 19年前后, 两个项目的参与者都认识到, 世界不需要两个不同的单一字符集. 它们合并双方的工作成果, 并为创立一个单一编码表而协同工作. 两个项目仍都存在并地公布各自的标准, 但 Unicode 协会和 ISO/IEC JTC1/SC2 都同意保持 Unicode 和 ISO 10646 标准的码表兼容, 并紧密地共同调整任何未来的扩展.

Unicode vs ISO 10646

Unicode 协会公布的 Unicode 标准 严密地包含了 ISO 10646-1 实现级别3的基本多语言面. 在两个标准里所有的字符都在相同的位置并且有相同的名字.

Unicode 标准额外定义了许多与字符有关的语义符号学, 一般而言是对于实现高质量的印刷出版系统的更好的参考. Unicode 详细说明了绘制某些语言(比如语)表达形式的算法, 处理双向文字(比如拉丁与希伯来文混合文字)的算法和 排序与字符串比较 所需的算法, 以及其他许多东西.

另一方面, ISO 10646 标准, 就象广为人知的 ISO 8859 标准一样, 只不过是一个简单的字符集表. 它指定了一些与标准有关的术语, 定义了一些编码的别名, 并包括了规范说明, 指定了怎样使用 UCS 连接其他 ISO 标准的实现, 比如 ISO 6429 和 ISO 2022. 还有一些与 ISO 紧密相关的, 比如 ISO 14651 是关于 UCS 字符串排序的.

考虑到 Unicode 标准有一个易记的名字, 且在任何好的书店里的 Addison-Wesley 里有, 只花费 ISO 版本的一小部分, 且包括更多的辅助信息, 因而它成为使用广泛得多的参考也就不足为奇了. 然而, 一般认为, 用于打印 ISO 10646-1 标准的字体在某些方面的质量要高于用于打印 Unicode 2.0的. 专业字体设计者总是被建议说要两个标准都实现, 但一些提供的样例字形有显著的区别. ISO 10646-1 标准同样使用四种不同的风格变体来显示表意文字如中文, 日文和韩文 (CJK), 而 Unicode 2.0 的表里只有中文的变体. 这导致了普遍的认为 Unicode 对日本用户来说是不可接收的传说, 尽管是错误的.

UTF-8

首先 UCS 和 Unicode 只是分配整数给字符的编码表. 现在存在好几种将一串字符表示为一串字节的方法. 最显而易见的两种方法是将 Unicode 文本存储为 2 个 或 4 个字节序列的串. 这两种方法的正式名称分别为 UCS-2 和 UCS-4. 除非另外指定, 否则大多数的字节都是这样的(Bigendian convention). 将一个 ASCII 或 Latin-1 的文件转换成 UCS-2 只需简单地在每个 ASCII 字节前插入 0x00. 如果要转换成 UCS-4, 则必须在每个 ASCII 字节前插入三个 0x00.

在 Unix 下使用 UCS-2 (或 UCS-4) 会导致非常的问题. 用这些编码的字符串会包含一些特殊的字符, 比如 '\0' 或 '/', 它们在 文件名和其他 C 库函数参数里都有特别的含义. 另外, 大多数使用 ASCII 文件的 UNIX 下的工具, 如果不进行重大修改是无法读取 16 位的字符的. 基于这些原因, 在文件名, 文本文件, 环境变量等地方, UCS-2 不适合作为 Unicode 的外部编码.

在 ISO 10646-1 Annex R 和 RFC 2279 里定义的 UTF-8 编码没有这些问题. 它是在 Unix 风格的作系统下使用 Unicode 的明显的方法.

UTF-8 有一下特性:

UCS 字符 U+0000 到 U+007F (ASCII) 被编码为字节 0x00 到 0x7F (ASCII 兼容). 这意味着只包含 7 位 ASCII 字符的文件在 ASCII 和 UTF-8 两种编码方式下是一样的.

所有 >U+007F 的 UCS 字符被编码为一个多个字节的串, 每个字节都有标记位集. 因此, ASCII 字节 (0x00-0x7F) 不可能作为任何其他字符的一部分.

表示非 ASCII 字符的多字节串的个字节总是在 0xC0 到 0xFD 的范围里, 并指出这个字符包含多少个字节. 多字节串的其余字节都在 0x80 到 0xBF 范围里. 这使得重新同步非常容易, 并使编码无国界, 且很少受丢失字节的影响.

可以编入所有可能的 231个 UCS 代码

UTF-8 编码字符理论上可以最多到 6 个字节长, 然而 16 位 BMP 字符最多只用到 3 字节长.

Bigendian UCS-4 字节串的排列顺序是预定的.

字节 0xFE 和 0xFF 在 UTF-8 编码中从未用到.

下列字节串用来表示一个字符. 用到哪个串取决于该字符在 Unicode 中的序号.

U-00000000 - U-0000007F: 0xxxxxxx

U-00000080 - U-000007FF: 110xxxxx 10xxxxxx

U-00000800 - U-0000FFFF: 1110xxxx 10xxxxxx 10xxxxxx

U-00200000 - U-03FFFFFF: 111110xx 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx

U-04000000 - U-7FFFFFFF: 1111110x 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx

xxx 的位置由字符编码数的二进制表示的位填入. 越靠右的 x 具有越少的特殊意义. 只用最短的那个足够表达一个字符编码数的多字节串. 注意在多字节串中, 个字节的开头"1"的数目就是整个串中字节的数目.

例如: Unicode 字符 U+00A9 = 1010 1001 (版权符号) 在 UTF-8 里的编码为:

11000010 10101001 = 0xC2 0xA9

而字符 U+2260 = 0010 0010 0110 0000 (不等于) 编码为:

这种编码的名字拼写为 UTF-8, 其中 UTF 代表 UCS Transformation Format. 请勿在任何文档中用其他名字 (比如 utf8 或 UTF_8) 来表示 UTF-8, 当然除非你指的是一个变量名而不是这种编码本身.

\ u6211\ u599c\ u6b22\ u4f60\ u554a是什么意思？

后来，就像建造巴比伦塔一样，世界各地的都开始使用计算机，但是很多用的不是英文，他们的字母里有许多是ASCII里没有的，为了可以在计算机

\u6211\u599c\u6b22\u4f60\u554a用记事本打开你要转换的文件,修改charset,然后另存为,在另存为对话框下面编码处选ANSI即可.翻译意思为：“我喜欢你啊”。

\u6211\u559c\u6b22\u4f60\u554a翻译意思为：“我喜欢你啊”。通常多是比较害羞的二次元女生用的语言。Unicode给每个字符提供了一个的数字，不论是什么平台，不论是什么程序，不论是什么语言。

Unicode是一种字符编码标准，用于将字符集中的每一个字符分配一个的数字（代码点），以便在计算机系统中进行存储、处理和交换。它包括世界上几乎所有语言所需的字母、数字、标点符号和符号，被广泛应用于各种作系统、编程语言和技术标准中。

Unicode是由Unicode联盟开发的一种字符编码方案，旨在通过对所有人类语言中的字符进行编码，实现跨平台、跨应用程序和跨语言的数据交换。

Unicode的优点：

1、支持多语言和多文化。Unicode通过统一的字符编码方案，支持世界上所有主要的文字、符号和脚本，使得各种语言和文化之间的交流更加容易。

2、提高数据交换的可靠性和互作性。Unicode的应用不仅限于本地计算机，还广泛应用于网络通信和数据交换。Unicode的统一标准化使得数据在传输过程中不会因为使用不同的字符集而导致无法识别或者乱码等问题。

3、减少字符编码混乱和兼容性问题。在早期的计算机系统中，字符编码并没有得到广泛的标准化，不同的厂商和开发者甚至采用了不同的编码方案。