常见编码格式汇总

前言

什么是编码呢？计算机只认识0和1，将我们知道的字符翻译成计算机认识的语言，即二进制，这个过程称之为编码。

编码格式

1. ASCII编码
   使用8位二进制来编码，其中控制字符为不可见字符，而能够打印出来的为可见字符。

2. Unicode编码
   Unicode又称为万国符，可以表示世界上的所有字符，编号范围从 0x000000 到 0x10FFFF (十六进制)，大概有110多万个。每个字符都有唯一的编号，一般是用十六进制表示，并在前面加上 \u。比如"国"的Unicode编码是 \u56fd
   但Unicode只是一个庞大的字符集，并没有规定存储方式，所以会有以下两个问题
   1、计算机无法区别Unicode 和 ASCII，比如有两个字节，计算机不知道这是代表一个字符还两个字符。
   2、字母用一个字节就能存储，如果统一规定使用3或是4个字节表示一个字符的话，会造成资源的浪费。
   对此出现过许多存储方案，主要有UTF-8，UTF-16，UTF-32，其中UTF-8最为广泛使用的，所以重点了解UTF-8

3. UTF-8
   UTF-8是使用最广的一种 Unicode 的实现方式
   特点：它是一种变长的编码方式，可以使用1~4个字节表示一个符号，根据不同的符号而变化字节长度。
   UTF-8 的编码规则是：
   ① 对于单字节的符号，字节的第一位设为 0，后面的7位为这个符号的 Unicode 码
   ② 对于n字节的符号（n>1）,第一个字节的前 n 位都设为 1，第 n+1 位设为 0，后面字节的前两位一律设为 10，剩下的没有提及的二进制位，全部为这个符号的 Unicode 码 。
   具体的 Unicode 编号范围与对应的 UTF-8 二进制格式如下图
   格式转换如下
   

4. URL编码
   (1)、URL编码的作用：解决歧义和解决不安全字符
   (2)、HTTP协议传参过程中需要某些特殊字符来起分隔作用。比如"?name1=value1&name2=value2"，其中 “&” 用来分隔不同参数，而 “=” 则是分隔参数值。
   但如果url参数中包含特殊字符呢？比如"name1=aa&bb=cc",“aa&bb=cc"是一个参数值，但服务器会解读为两个键值对，造成歧义。
   而url编码就是在特殊字符对应ASCII值得前面加上%，将上面歧义的语句编码为"name1=aa%23bb%3dcc”。其中 “&” 对应 “%23”，"=" 对应 “%3d”。这样服务器会把紧跟在”%”后的字节当成普通字节，不会当成各个参数或键值对的分隔符。
   (3)、一般URL地址栏很少看到中文，因为也是被URL编码了。比如”中文”使用UTF-8编码得到的字节是0xE4 0xB8 0xAD 0xE6 0x96 0x87,经过URL编码之后得到 %E4%B8%AD%E6%96%87

5. HTML编码
   HTML编码即HtmlEncode,主要是转换HTML页面中的特殊字符，用来防御XSS攻击
   主要对以下特殊字符做转换
   
   举例：用户输入<script>alert('xss')</script>，如果前后端没有做限制的情况下原样输出，浏览器会把它当成js脚本，会弹出一个提示框。使用HtmlEncode编码后，<被转换成<，而>被转换成>，这样浏览器就不会错误的识别成js脚本了，可以有效防御XSS攻击。

6. 在线编码解码工具

http://tool.chinaz.com/tools/unicode.aspx