※ 引述《noapaov (单身汉)》之铭言： : 请问一下各位大大, 想请问一下我的理解是否有错误 : 档案类型一般分二进位档案(binary file)与文字档(text file) : 文字档案存的是档案编码後的资料例如UTF-8编码, 存的内容是UTF-8编码资料, : 我们看会出现中文是因为编辑器根据编码进行了对照表的转换 : 二进位档案存的是二进制的内容也就是(0101), 因方便阅读, : 编辑器打开二进制有时会转换成16进制(\u5f35) : 但电脑要读取时, 会将文字档案再转换成二进制档案, : 而二进位档案则可直接读取档案内容, : (1) 我的理解有问题吗? 应该说所有档案都是 0101 组成，都是 binary，所谓的 text file 也一样。 一个最简单的例子，假设一个文字档，里面内容是 ABCDE 换行，那麽我们 可以在 Linux 上用 cat 指令来看他，会显示出 ABCDE 和一个空白行： brianhsu@ToshibaZ30 ~ $ cat test.txt ABCDE brianhsu@ToshibaZ30 ~ $ 你也可以用 xxd 来直接看该档最原始的二进位资料，就会用二进位的方式 来显示了： brianhsu@ToshibaZ30 ~ $ xxd -b test.txt 00000000: 01000001 01000010 01000011 01000100 01000101 00001010 ABCDE. 00000006: 00001010 . 然後会发现 01000001 换成十进位是 65，正好是 A 的 ASCII 值。 换句话说，不论是所谓的 binary 还是 text 其实都存的都是二进位的东西， 只是当你说他是 text file 的时候，系统和程式会把用你指定的编码来解码， 这也是为什麽如果在浏览器上调编码（例如切成 Big5）的时候会出现乱码的 关系－－因为对每一种编码来说，怎麽去解释哪一个 byte 是什麽意思是不 一样的。 : (2) 如果是我上述的方式, 那我想请问(binary file)是根据什麽编码进行转换成机器码的? 看档案格式，每一种档案格式都会定义档案里的哪个 byte 是什麽意思，这 样程式才知道要怎麽解读档案里那一连串的 010101 是干嘛用的。 如果是自己写程式，也可以自己定义自己写的档案每一个 byte 代表什麽，你 想要用 00000000 来代表整数 1 也没人可以管你（只要你读进来的时候处理好 就好）。 : (3) unicode档案(文字档案) 转成二进制档案是直接将unicode编码(\u5f35)转成二进进制吗? 首先，Unicode 其实有好几个层面，你讲的 \u5f35 应该是指 CodePoint， Unicode 的做法是会为每个字指定一个叫 CodePoint 的编号，但这只是概 念上的编码，至於实际上在电脑上要怎麽表示这个号码，又有另外的规范。 所以才会出现 UTF-8 / UTF-16 / UTF-32 这些东西，即便是同一个 CodePoint， 在使用不同的编码方式的时候，也都会有不同的把 CodePoint 转成 010101 的方式。 像 UTF-8 中，一个 CodePoint 可能会占用 1 ~ 4 个 byte，但 UTF-16 的方 式又不一样，所以如果用 UTF-16 的方式去解析 UTF-8 的档案，就会得到一 大堆的乱码。 有兴趣的话可以看一下这个网页，说明的很清楚：http://tinyurl.com/cvultt -- ~ 白马带着她一步步地回到中原。白马已经老了，只能慢慢地走， 'v' Brian Hsu 但终是能回到中原的。江南有杨柳、桃花，有燕子、金鱼…… // \\ ( 坟 墓 ) /( )\ 但这个美丽的姑娘就像古高昌国人那样固执。 【白马啸西风】 ^`~'^ http://brianhsu.moe 『那都是很好很好的，可我偏不喜欢。』 --

※ 发信站: 批踢踢实业坊(ptt.cc), 来自: 59.115.59.179 ※ 文章网址: https://webptt.com/cn.aspx?n=bbs/java/M.1431937429.A.C7D.html