文件编码格式

主讲教师：毛凌志浙江经贸职业技术学院数据采集与处理文件编码格式案例导入文件编码格式介绍编码格式的转换指定格式的文件的存读01020304案例解决05案例导入小明近期有着大量的文件急需处理，但是有一部分的文件打开都是乱码问题，他需要将文件的格式设置成统一的，方便之后的工作。ASCIIGBKGB2312GB18030文件编码格式UTF-8ASCII编码ASCII每个字符占据1bytes，用二进制表示的话最高位必须为0（扩展的ASCII不在考虑范围内），因此ASCII只能表示128个字ASCII码是7位编码，编码范围是0x00-0x7F。ASCII字符集包括英文字母、阿拉伯数字和标点符号等字符。其中0x00-0x20和0x7F共33个控制字符。只支持ASCII码的系统会忽略每个字节的最高位，只认为低7位是有效位。HZ字符编码就是早期为了在只支持7位ASCII系统中传输中文而设计的编码。早期很多邮件系统也只支持ASCII编码，为了传输中文邮件必须使用BASE64或者其他编码方式。GB2312编码GB2312最早一版的中文编码，每个字占据2bytes。由于要和ASCII兼容，那这2bytes最高位不可以为0了。在GB2312中收录了6763个汉字以及682个特殊符号，已经囊括了生活中最常用的所有汉字。GB2312是基于区位码设计的，区位码把编码表分为94个区，每个区对应94个位，每个字符的区号和位号组合起来就是该汉字的区位码。区位码一般用10进制数来表示，如1601就表示16区1位，对应的字符是“啊”。在区位码的区号和位号上分别加上0xA0就得到了GB2312编码。GBK编码GBK由于GB2312只有6763个汉字，而汉语字数远远不止于此，于是GBK中在保证不和GB2312、ASCII冲突（即兼容GB2312和ASCII）的前提下，也用每个字占据2bytes的方式又编码了许多汉字。经过GBK编码后，可以表示的汉字达到了20902个，另有984个汉语标点符号、部首等。值得注意的是这20902个汉字还包含了繁体字。GB18030编码GB18030然而，GBK的两万多字也已经无法满足我们的需求了，还有更多可能你自己从来没见过的汉字需要编码。这时候显然只用2bytes表示一个字已经不够用了（2bytes最多只有65536种组合，然而为了和ASCII兼容，最高位不能为0就已经直接淘汰了一半的组合，只剩下3万多种组合无法满足全部汉字要求）。因此GB18030多出来的汉字使用4bytes编码。当然，为了兼容GBK，这个四字节的前两位显然不能与GBK冲突（实操中发现后两位也并没有和GBK冲突）。我国在2000年和2005年分别颁布的两次GB18030编码，其中2005年的是在2000年基础上进一步补充。至此，GB18030编码的中文文件已经有七万多个汉字了，甚至包含了少数民族文字。UTF-8

UTF-8是针对Unicode的一种可变长度字符编码。它可以用来表示Unicode标准中的任何字符，而且其编码中的第一个字节仍与ASCII相容，使得原来处理ASCII字符的软件无须或只进行少部份修改后，便可继续使用。UTF-8：国际通用字库，支持现今世界各种不同语言。UTF-8字多，有各种国家的语言，但是保存尺寸大，文件臃肿编码格式转换编码格式的转换最容易碰到乱码问题乱码问题主要可以分为两种：下载的文件打开，全部都是乱码，可能是文件自身损坏，可以先检查文件的来源，或重新下载一次尝试。另一种，就是文件打开的编码格式与文件显示的编码格式不相匹配，导致的乱码问题。编码格式转换打开Notepad++点击编码，选择需要的编码格式

转化成功，没有乱码，就可以

保存成新的文件

注意：编码格式的转换需先备份指定格式的文件的存读存储指定格式的文件：此记事本是win10版本，在状态栏可以看见文件的编码格式指定格式的文件读取：案例解决小明的困难，我们可以借鉴前面的编码格式转换那张首先，选中我们需要的文件，右键,选择Editw