1. 程式人生 > >那些標準記錄,wkt wkb gml json,ASCII、Unicode和UTF-8

那些標準記錄,wkt wkb gml json,ASCII、Unicode和UTF-8

一,地理資訊標記語言

OGC的標準格式有:WKT(熟知文字)、WKB(熟知二進位制)和GML(地理標識語言)。json是 JS 一種輕量級的資料交換格式。

表現形式:

  WKT

 POINT(-111.870478 33.685992) 

WKB

是WKT二級製表現方式

GML

<gml:pos>-111.870478 33.685992</gml:pos>

json

{

"x":-111.870478,

"y": 33.685992,

"spatialReference": {

"wkid": 4326

}

}

二 計算機編碼

什麼是字元編碼?

 

      計算機只能處理數字,如果要處理文字,就必須先把文字轉換為數字才能處理。最早的計算機在設計時採用8個位元(bit)作為一個位元組(byte),所以,一個位元組能表示的最大的整數就是255(二進位制11111111=十進位制255),如果要表示更大的整數,就必須用更多的位元組。比如兩個位元組可以表示的最大整數是65535,4個位元組可以表示的最大整數是4294967295

ASCII編碼:

  由於計算機是美國人發明的,因此,最早只有127個字母被編碼到計算機裡,也就是大小寫英文字母、數字和一些符號,這個編碼表被稱為ASCII編碼,比如大寫字母 的編碼是65,小寫字母 

的編碼是122

  但是要處理中文顯然一個位元組是不夠的,至少需要兩個位元組,而且還不能和ASCII編碼衝突,所以,中國製定了GB2312編碼,用來把中文編進去。

  全世界有上百種語言,日本把日文編到Shift_JIS裡,韓國把韓文編到Euc-kr裡,各國有各國的標準,就會不可避免地出現衝突,結果就是,在多語言混合的文字中,顯示出來會有亂碼。

Unicode編碼:

  因此,Unicode應運而生。Unicode把所有語言都統一到一套編碼裡,這樣就不會再有亂碼問題了。Unicode標準也在不斷髮展,但最常用的是用兩個位元組表示一個字元(如果要用到非常偏僻的字元,就需要4個位元組)。現代作業系統和大多數程式語言都直接支援Unicode。

ASCII編碼和Unicode編碼的區別:

  1)ASCII編碼是1個位元組,而Unicode編碼通常是2個位元組,舉例如下。

  字母 用ASCII編碼是十進位制的65,二進位制的01000001

  字元 用ASCII編碼是十進位制的48,二進位制的00110000,注意字元 '0' 和整數 是不同的;

  漢字 中 已經超出了ASCII編碼的範圍,用Unicode編碼是十進位制的20013,二進位制的01001110 00101101

  如果把ASCII編碼的 用Unicode編碼,只需要在前面補0就可以,因此, 的Unicode編碼是00000000 01000001

UTF-8編碼:

  新問題的出現:如果統一成Unicode編碼,亂碼問題從此消失了。但是,如果你寫的文字基本上全部是英文的話,用Unicode編碼比ASCII編碼需要多一倍的儲存空間,在儲存和傳輸上就十分不划算。

  因此,又出現了把Unicode編碼轉化為“可變長編碼”的UTF-8編碼。UTF-8編碼把一個Unicode字元根據不同的數字大小編碼成1-6個位元組,常用的英文字母被編碼成1個位元組,漢字通常是3個位元組,只有很生僻的字元才會被編碼成4-6個位元組。如果你要傳輸的文字包含大量英文字元,用UTF-8編碼就能節省空間:

字元 ASCII Unicode UTF-8
    A 01000001 00000000 01000001 01000001
    中         - 01001110 00101101

11100100 10111000 10101101

  從上面的表格可以發現UTF-8編碼一個額外的好處,就是ASCII編碼實際上可以被看成是UTF-8編碼的一部分,所以,大量只支援ASCII編碼的歷史遺留軟體可以在UTF-8編碼下繼續工作。

  強調一下,unicode是一種編碼方式,和ascii是同一個概念,而UTF-8,UTF-16等是一種儲存方式,在儲存和傳輸上節約空間、提高效能的一種編碼形式。

計算機系統通用的字元編碼工作方式:

  在計算機記憶體中,統一使用Unicode編碼,當需要儲存到硬碟或者需要傳輸的時候,就轉換為UTF-8編碼。

  用記事本編輯的時候,從檔案讀取的UTF-8字元被轉換為Unicode字元到記憶體裡,編輯完成後,儲存的時候再把Unicode轉換為UTF-8儲存到檔案:

  瀏覽網頁的時候,伺服器會把動態生成的Unicode內容轉換為UTF-8再傳輸到瀏覽器:

  所以很多網頁的原始碼上會有類似<meta charset="UTF-8" />的資訊,表示該網頁正是用的UTF-8編碼。