二进制与字符编码完全指南

一切从逻辑电路说起

计算机由逻辑电路组成，逻辑电路只有两种状态：开 和 关。

这两种状态用数字 0 和 1 来表示，这就是二进制的本质。

---

二进制如何表示更多信息

每个位置只能是 0 或 1，增加位置数量就能表示更多状态：

位数	组合数	能表示的范围
1 位	2¹ = 2	0、1
2 位	2² = 4	00、01、10、11
8 位	2⁸ = 256	0 ～ 255

8 位二进制也称为一个字节（BYTE），是计算机存储的基本单位。

---

存储单位换算

单位	换算
1 BYTE（字节）	= 8 BIT
1 KB（千字节）	= 1024 BYTE
1 MB（兆字节）	= 1024 KB
1 GB（吉字节）	= 1024 MB
1 TB（太字节）	= 1024 GB

1024 正好是 2¹⁰，这也是为什么计算机中使用二进制换算。

---

字符编码的演进

ASCII 码表

最早的字符编码标准，使用 8 位（1 字节） 表示 128 种符号（0～127）。

• 英文字母 A 的十进制值是 65，二进制为 1000001
• 数字 0 的十进制值是 48，二进制为 0110000

ASCII 只覆盖了英文字母和少量符号，无法表示中文和其他语言。

中文编码的发展

编码标准	年代	字符数	说明
GB2312	80 年代	7,445	最早的中文编码，支持简体中文
GBK	90 年代	20,000+	支持简体和繁体中文
GB18030	2000 年	27,484	支持简体、繁体、维吾尔文、藏文等

GB18030 中每个字符由 1、2 或 4 个字节组成。

Unicode — 全球统一编码

为了解决不同编码互不兼容的问题，Unicode 应运而生。

Unicode 规定每个字符对应一个唯一的数字（称为码点），但它只负责制定编号，不负责如何存储。

UTF-8 — Unicode 的主流存储方式

UTF-8 是一种变长编码方式：

字符类型	占用字节
英文字母	1 字节（与 ASCII 兼容）
中文等字符	3 字节

例如，汉字「乘」：

• Unicode 码点：4E58（十六进制）
• 十进制：20056
• 二进制：100111001011000

---

编程验证：CHR() 与 ORD()

在 Python 中可以验证字符编码：

# ord() — 将字符转为对应的整数
print(ord("乘"))   # 输出：20056

# chr() — 将整数转为对应的字符
print(chr(20056)) # 输出：乘

---

核心总结

不管是中文还是英文，在计算机中都以字符形式存在，每个字符对应一个整数（可用十进制、二进制、十六进制表示）。最终所有数据都会被转换为二进制，因为计算机只识别 0 和 1。

知识点	关键内容
二进制	0 和 1，逢二进一
存储单位	1 BYTE = 8 BIT，1024 换算
ASCII	8 位，128 个符号，只适合英文
GB2312/GBK/GB18030	中文编码演进
Unicode	全球统一字符编号
UTF-8	Unicode 的变长存储方式，英文 1 字节，中文 3 字节