字符编码

CIE A-Level 计算机科学· 第一单元：信息表示，主题4· 15 分钟阅读

1. 字符编码原理★☆☆☆☆⏱ 3 min

计算机上显示的所有文本都以二进制数据存储。字符集是系统可编码的字符集合，包括字母、数字、符号和控制字符。字符集中的每个字符都被分配一个唯一的二进制数。

📘 定义

字符编码

将字符集中每个字符映射到唯一二进制值的过程，使字符可以以数字形式存储或传输。

例:

字符'A'在ASCII中被映射为 $01000001$ 。

📐 例题

一个字符集每个字符使用7位，该字符集最多可以编码多少个唯一字符？

1
每个比特可以有2种可能的值（0或1）。对于 $n$ 位比特，唯一组合的数量是 $2^{n}$ 。
2
代入 $n = 7$ ：
3
$2^7 = 128$
4
一个7位字符集可以编码128个唯一字符。

Exam tip:

永远记住：当每个字符占 $n$ 位时，唯一字符的数量是 $2^{n}$ ，而不是 $2 n$ 。

2. ASCII与扩展ASCII★★☆☆☆⏱ 4 min

ASCII（美国信息交换标准代码）是应用最广泛的早期字符编码，最初是为早期计算机网络中的英语通信设计的。

📘 定义

7位ASCII

一种7位编码方案，支持128个字符，包括大小写英文字母、数字、标点符号和控制字符（例如换行、退格）。

7位刚好可以放入一个8位字节中，原本多余的1位用于奇偶校验纠错。后来这一位被重新利用，产生了扩展ASCII。

📘 定义

扩展ASCII

一种8位编码，将7位ASCII扩展为 $2^{8} = 256$ 个唯一字符，增加了额外符号和西欧语言的带重音字符。

📐 例题

使用扩展ASCII存储字符串"HELLO CIE"，最少需要多少字节？

1
扩展ASCII每个字符占1字节（8位）。计数所有字符，包括空格。
2
计数字符：H、E、L、L、O、（空格）、C、I、E，共9个字符。
3
$9 \times 1 = 9 \text{ bytes}$
4
该字符串需要9字节的存储空间。

3. Unicode★★☆☆☆⏱ 5 min

ASCII和扩展ASCII仅支持少量字符，不足以满足非英语语言、表情符号和特殊学术/技术符号的需求。Unicode就是为解决这个问题而开发的。

📘 定义

Unicode

一种通用字符编码标准，旨在支持所有书面语言、符号和表情符号，迄今为止已定义了超过149,000个字符。

Unicode有多种编码格式（称为Unicode转换格式，即UTF），每个字符的比特长度各不相同：

UTF-8：可变长度编码，每个字符占1-4字节。向后兼容7位ASCII，是万维网最常用的编码。
UTF-16：每个字符占2或4字节，多用于许多操作系统的内部文本存储。
UTF-32：每个字符固定占4字节，实现简单但对大多数日常使用来说效率低下。

📐 例题

比较字符串"Apple 🍎"在UTF-8和扩展ASCII中的存储情况，解释为什么扩展ASCII无法显示该表情符号。

1
计数总字符数：A、p、p、l、e、（空格）、🍎，共7个字符。
2
扩展ASCII只有256个字符编码，不存在该表情符号的编码。它只能存储前6个字符（"Apple "），并会显示替换错误字符。总大小 = 6 × 1字节 = 6字节。
3
在UTF-8中，所有ASCII字符（包括空格）每个都占1字节，表情符号占4字节。
4
$(6 \times 1) + (1 \times 4) = 10 \text{ total bytes}$
5
UTF-8可以用10字节正确编码全部7个字符，而扩展ASCII无法编码该表情符号。

4. 计算文本存储需求★★★☆☆⏱ 5 min

考试中常见的3-5分题目会要求你计算存储给定文本块所需的总内存大小。无论使用哪种编码，方法都遵循一套简单一致的流程。

📐 例题

一本100页的书使用16位定长Unicode编码。如果每页平均有300个单词，每个单词有5个字符加1个空格，计算总大小（单位：千字节，1 KB = 1000字节）。

1
计算每页平均字符数：每个单词5字符 + 1空格 = 每个单词6字符，每页300单词 = 300 × 6 = 每页1800字符。
2
16位定长编码意味着16位 = 每个字符占2字节。
3
100页总字符数：100 × 1800 = 180,000字符。
4
$\text{Total size} = 180000 \times 2 = 360000 \text{ bytes} = 360 \text{ KB}$

✓ 快速检测

检验你的理解：

如果每个字符占10位，一共可以编码多少个唯一字符？
- 1024
- 512
- 10
- 20
显示答案
1024 —
正确： $2^{10} = 1024$ 个唯一组合。

5. 常见陷阱

错误做法:

计算总存储时忘记统计空格和标点符号

原因:

大多数学生只统计可见字母，但所有字符都需要编码

正确做法:

永远要统计字符串中的每个字符，包括空白符和标点符号

错误做法:

将唯一字符数量算成 $2 n$ 而不是 $2^{n}$

原因:

混淆了比特数和可能的二进制组合数量

正确做法:

记住 $n$ 位比特可以得到 $2^{n}$ 个唯一组合，因此一定要使用幂运算

错误做法:

假设所有Unicode都是每个字符定长2字节

原因:

只有16位定长Unicode每个字符占2字节；最常用的Unicode格式都是可变长度的

正确做法:

始终使用题目中指定的比特长度，不要默认假设一个值

错误做法:

认为扩展ASCII一定和Unicode兼容

原因:

只有7位ASCII向后兼容UTF-8；扩展ASCII使用的额外编码是非标准的，和Unicode不匹配

正确做法:

记住扩展ASCII的字符值在Unicode中可能映射错误

6. 速查表

编码方案	每个字符比特数	最大唯一字符数	常见应用场景
7位ASCII	7位	128	基础英文文本
扩展ASCII	8位	256	西欧语言
定长16位Unicode	16位	65536	通用纯文本
UTF-8	1-4字节（可变）	149,000	网页，向后兼容7位ASCII

真题中的出现

AI 根据考纲规律估算的考点位置,请对照官方真题核实准确性。仅作复习重点参考。

2022 · 1
内存大小计算题
2023 · 1
比较ASCII和Unicode

深入阅读

syllabusCIE 9618 官方大纲查看最新考核要求

下一步

字符编码是信息表示中的核心主题，经常以简短计算题的形式出现在CIE 9618的试卷1中。掌握字符计数和存储大小计算的方法是考试中轻松拿分的途径。这个概念是所有文本数据处理、压缩和网络数据传输的基础。接下来，你将继续学习其他常见媒体类型（图像、音频）如何在计算机系统中表示为二进制数据。