1. Toy模板网首页
  2. > Toy博客

Linux字符集详解

9月前 分类：Toy博客 阅读(50) 违法举报

这篇具有很好参考价值的文章主要介绍了Linux字符集详解。希望对大家有所帮助。如果存在错误或未考虑完全的地方，请大家不吝赐教，您也可以点击"举报违法"按钮提交疑问。

Linux字符集详解

计算机中处理和储存信息都是用二进制数表示的；而我们在屏幕上看到的英文、汉字等字符是二进制数转换之后的结果。通俗的说，按照某种规则将字符存储在计算机中，如’a’用97表示，称为"编码"；反之，将计算机中的二进制数解析显示出来，称为"解码"。在解码过程中，如果使用了错误的解码规则，就会产生乱码。

 文章来源地址https://www.toymoban.com/news/detail-459433.html

字符编码和字符集

字符编码

字符编码是一种法则，在数字与字符之间建立的对应关系。

不同的国家有不同的字符，包含的文字、标点符号、图形符号各有不同。

常见的字符编码有ASCII，GBK，GB18030，Unicode等。

字符集

字符是文字和符号的总称，字符集是字符的集合，是数字与字符的对照表。

用ASCII编码的字符集称之为ASCII字符集，用GBK编码的字符集称之为GBK字符集。

国际编码

为了解决传统的字符编码方案的局限，1994年发布了Unicode（国际编码、统一码、万国码、单一码、通用码），它是计算机科学领域里的一项业界标准，包括字符集、编码方案等。Unicode 将全世界所有的字符统一编码，再也不存在字符集不兼容和字符转换的问题。

Unicode 有以下三种编码方式：

1）UTF-8：兼容ASCII编码；拉丁文、希腊文等使用两个字节；包括汉字在内的其它常用字符使用三个字节；剩下的极少使用的字符使用四个字节。

2）UTF-16：对相对常用的60000余个字符使用两个字节进行编码，其余的使用4字节。

3）UTF-32：固定使用4个字节来表示一个字符，存在空间利用效率的问题。

 

汉字的编码

支持汉字（简体中文）的编码有GB2312、GB13000、GBK、GB18030和Unicode（UTF-8、UTF-16、UTF-32）。

汉字的编码

支持汉字（简体中文）的编码有GB2312、GB13000、GBK、GB18030和Unicode（UTF-8、UTF-16、UTF-32）。

  1. GB2312

    仅包含大部分的常用简体汉字，但已经不能适应现在的需要

  2. GB13000

    由于GB2312的局限性，国家标准化委员会制定了GB13000编码； 但由于当时的硬件和软件都已经支持了GB2312，而GB13000与GB2312完全不兼容，所以没有能够得到大范围的推广使用

  3. GBK

    有了GB13000的教训，中国国家标准化委员会制定了GBK标准，并兼容了GB2312标准，同时在GB2312标准的基础上扩展了GB13000包含的字； 由于该标准有微软的支持，得到了广泛的应用

  4. GB18030

    GB18030编码比GBK又新增了几千个汉字，但由于码位不足使用了2byte与4byte混合编码方式，这给软件开发增加了难度

  5. Unicode

    包含全世界所有国家需要用到的字符，是国际编码，通用性强

 

汉字的编码选择

在操作系统和数据库中，常用的汉字编码有GBK、GB18030和Unicode，GBK和GB18030的优势是占用空间小，Unicode的优势是全球化的支持

 

编码的转换

GBK和GB18030与Unicode编码之间需要转换，否则会出现汉字乱码

 

设置Linux的字符集

查看当前系统已经安装的字符集

  1. locale命令用于查看当前系统全部的已安装的字符集，Linux支持的符集约800种

    locale -a

  2. 查看已安装的中文字符集

    locale -a|grep zh_CN

    Linux字符集详解

 

安装中文字符集

如果您的Linux系统中没有安装中文字符集，可以用yum命令安装

网上安装中文字符集软件包的方法比较多，没有准确的说法，所以我把多种方法都写了进来，以下命令用root用户执行，不会有副作用

yum -y groupinstall chinese-support

yum -y install chinese-support

yum -y install kde-l10n-Chinese

yum -y install ibus-table-chinese-1.4.6-3.el7.noarch

安装后，执行locale -a|grep zh_CN，如果显示如下内容，表示安装成功

Linux字符集详解

 

修改字符集配置文件

CentOS6.x字符集配置文件在/etc/sysconfig/i18n文件中。

CentOS7.x字符集配置文件在/etc/locale.conf文件中，内容如下：

Linux字符集详解

执行以下命令或者重启系统使修改生效。

CentOS6.x

source /etc/sysconfig/i18n

CentOS7.x:

source /etc/locale.conf

 

LANG环境变量

LANG环境变量存放的是Linux系统的语言、地区、字符集，它不需要系统管理员手工设置，/etc/profile会调用/etc/profile.d/lang.sh脚本完成对LANG的设置，/etc/profile.d/lang.sh会进行字符集的配置

CentOS6.x 字符集配置文件在/etc/syscconfig/i18n文件中。

CentOS7.x 字符集配置文件在/etc/locale.conf文件中

 

修改客户端的字符集

客户端的字符集必须与Linux服务端一致，否则会出现乱码，以SecureCRT为例。修改会话的属性，在Appearance界面中的Character encoding下拉框中选择

Linux字符集详解

 

字符集转换工具

Linux提供了iconv命令把文件内容从一种编码转换成另一种编码

参数说明：

–list：列出iconv支持的编码列表

-f encoding ：源文件内容的编码

-t encoding：目标文件内容的编码

-o file：指定输出文件

-c：忽略输出的非法字符

-l：列出已知的编码字符集

-s：禁止警告信息，但不是错误信息

–cerbose：显示进度信息

示例：

把当前目录的book1.c由gbk转换成utf-8，结果输出到/tmp/book1_utf8.c中

iconv -f gbk -t utf-8 book1.c -o /tmp/book1_utf8.c

 

应用经验

  1. Linux系统在业务化之前，就应该确定字符集，然后不再改变。系统在业务化后，修改字符集是一件很麻烦的事情，最好别惹这个麻烦
  2. 虽然gb18030字符集比gbk更丰富，但是gb18030中有部分汉字是4字节，这一点让程序员很郁闷，所以，程序员更倾向gbk字符集
  3. 设置Linux的字符集时，还要考虑WEB系统和数据库系统采用的字符集，最好是大家都保持一致

到了这里，关于Linux字符集详解的文章就介绍完了。如果您还想了解更多内容，请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章，希望大家以后多多支持TOY模板网！

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处： 如若内容造成侵权/违法违规/事实不符，请点击违法举报进行投诉反馈，一经查实，立即删除！

分享到：
领支付宝红包 赞助服务器费用

相关文章

  • MySQL数据库——MySQL字符集和校对规则详解

    MySQL数据库——MySQL字符集和校对规则详解

    在讲解字符集和校对规则之前，我们先来简单了解一下字符、字符集和字符编码。 字符（Character） 是计算机中字母、数字、符号的统称，一个字符可以是一个中文汉字、一个英文字母、一个阿拉伯数字、一个标点符号等。 计算机是以二进制的形式来存储数据的。平时我们在

    2024年02月05日
    浏览(42)
  • mysql进阶-修改linux服务器中MySQL的字符集

    mysql进阶-修改linux服务器中MySQL的字符集

    linux 中 mysql8 默认的字符集是 latin1 ，在插入中文时会报错，所以一般在配置好mysql时需要修改字符集为 utf8 【又叫utfmb3,一般开发够用，一个字符用3个字节表示】或者 utfmb4 【一个字符用4个字节表示，如果存储emoji表情，必须用utfmb4】 1366 - Incorrect string value: xE4 xBA xBA(xE7 x94 x

    2024年02月14日
    浏览(43)

  • linux修改locale字符集编码为UTF-8/GBK，修改语言区域为zh-CN（中文-中国）

    linux系统的语言、区域、字符集编码由`locale’ [loʊˈkæl] 决定。 对应配置文件路径： centos7 /etc/locale.conf centos6 /etc/sysconfig/i18n 以下以centos＆为例 LANG= LC_CTYPE=“POSIX” LC_NUMERIC=“POSIX” LC_TIME=“POSIX” LC_COLLATE=“POSIX” LC_MONETARY=“POSIX” LC_MESSAGES=“POSIX” LC_PAPER=“POSIX” LC_NAME=“

    2024年02月13日
    浏览(75)
  • 算法加密与解密、字符编码与字符集

    算法加密与解密、字符编码与字符集

    加密保证数据不会被窃取或者修改 哈希算法 压缩映射 ：散列又称为哈希，是把任意长度的输入通过散列算法变换成固定长度的输出，该输出就是散列值。 哈希算法（Hash）又称摘要算法（Digest），哈希算法的目的就是为了验证原始数据是否被篡改。 主流的散列算法有MD5和

    2024年02月03日
    浏览(50)

  • 有限字符集的字符串压缩算法

    在开发中，经常有上报线上堆栈来分析处理线上问题的场景，所以，对堆栈的压缩和加密也是必不可少的。加密：可以使用AES对称加密算法，压缩：可以在上传时利用protobuf天生的压缩性对字符串进行压缩。 不过，出于对流量的节省和传输效率的提升，可以通过在堆栈上传前

    2024年02月11日
    浏览(62)

  • oracle 字符集

      NLS_NCHAR_CHARACTERSET  国家字符集 NLS_CHARACTERSET  字符集 -----字符集和国家字符集的区别 字符集用来存储CHAR,VARCHAR2,CLOB,LONG等类型数据。 国家字符集用以存储NCHAR,NVARCHAR2,NCLOB等类型数据。

    2024年01月24日
    浏览(43)

  • HTML 字符集

    HTML5 中的默认字符集为 UTF-8。 数字 ASCII ANSI 8859-1 UTF-8 描述 32 space 33 ! ! ! ! exclamation mark 34 \\\" \\\" \\\" \\\" quotation mark 35 # # # # number sign 36 $ $ $ $ dollar sign 37 % % % % percent sign 38 ampersand 39 \\\' \\\' \\\' \\\' apostrophe 40 ( ( ( ( left parenthesis 41 ) ) ) ) right parenthesis

    2023年04月25日
    浏览(52)
  • （三） MySQL字符集

    （三） MySQL字符集

    MySQL字符集包括 基字符集 （CHARACTER）与 校对规则 （COLLATION）这两个概念： latin1支持西欧字符、希腊字符等 gbk支持中文简体字符 big5支持中文繁体字符 utf8几乎支持世界所有国家的字符 utf8mb4是真正意义上的utf-8 查看当前数据库默认的字符集： SHOW VARIABLES like \\\'character%\\\'; MySQL在

    2024年01月24日
    浏览(58)

  • TiDB字符集和时区

    TiDB 字符集和时区 mysql select @@version; +--------------------------------------+ | @@version | +--------------------------------------+ | 5.7.10-TiDB-v2.1.0-beta-179-g5a0fd2d | +--------------------------------------+ 1 row in set (0.00 sec) mysql show variables like \\\'coll%\\\'; +----------------------+-------------------+ | Variable_name | Value | +---

    2024年02月16日
    浏览(53)

  • 【PG】PostgreSQL字符集

    目录 设置字符集 1 设置集群默认的字符集编码 2 设置数据库的字符集编码 查看字符集 1 查看数据字符集编码  2 查看服务端字符集 3 查看客户端字符集 4 查看默认的排序规则和字符分类  被支持的字符集 PostgreSQL里面的字符集支持你能够以各种字符集存储文本，包括 单字节字

    2024年02月08日
    浏览(43)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包，优惠每天领

二维码1

领取红包

二维码2

领红包