Post on 25-Dec-2014
description
transcript
marți, 13 martie 12
UTF-8The What, Why, and How
Iulian Dogariu10.03.2012
marți, 13 martie 12
Te-a°tept disearãla portiÞã
marți, 13 martie 12
00000000 89 50 4e 47 0d 0a 1a 0a 00 00 00 0d 49 48 44 52 |.PNG........IHDR|00000010 00 00 02 e5 00 00 00 8f 08 06 00 00 00 5d ca a5 |.............]..|00000020 eb 00 00 0a 43 69 43 43 50 49 43 43 20 70 72 6f |....CiCCPICC pro|00000030 66 69 6c 65 00 00 78 da 9d 53 77 58 93 f7 16 3e |file..x..SwX...>|00000040 df f7 65 0f 56 42 d8 f0 b1 97 6c 81 00 22 23 ac |..e.VB....l.."#.|00000050 08 c8 10 59 a2 10 92 00 61 84 10 12 40 c5 85 88 |...Y....a...@...|00000060 0a 56 14 15 11 9c 48 55 c4 82 d5 0a 48 9d 88 e2 |.V....HU....H...|00000070 a0 28 b8 67 41 8a 88 5a 8b 55 5c 38 ee 1f dc a7 |.(.gA..Z.U\8....|00000080 b5 7d 7a ef ed ed fb d7 fb bc e7 9c e7 fc ce 79 |.}z............y|00000090 cf 0f 80 11 12 26 91 e6 a2 6a 00 39 52 85 3c 3a |.....&...j.9R.<:|000000a0 d8 1f 8f 4f 48 c4 c9 bd 80 02 15 48 e0 04 20 10 |...OH......H.. .|000000b0 e6 cb c2 67 05 c5 00 00 f0 03 79 78 7e 74 b0 3f |...g......yx~t.?|
marți, 13 martie 12
“ASCII is allright”
41 53 43 49 49 20 69 73 20 61 6c 6c 72 69 67 68 74
marți, 13 martie 12
ASCII
marți, 13 martie 12
marți, 13 martie 12
marți, 13 martie 12
One bytenot enough
marți, 13 martie 12
“Unicode is KEWL”
ASCII
55 6e 69 63 6f 64 65 20 69 73 20 4b 45 57 4c 0a
marți, 13 martie 12
55 00 6e 00 69 00 63 00 6f 00 64 00 65 00 20 0069 00 73 00 20 00 4b 00 45 00 57 00 4c 00 0a 00
Unicode UCS-2
“Unicode is KEWL”
marți, 13 martie 12
Two bytesnot enough (!)
marți, 13 martie 12
55 00 00 00 6e 00 00 00 69 00 00 00 63 00 00 006f 00 00 00 64 00 00 00 65 00 00 00 20 00 00 0069 00 00 00 73 00 00 00 20 00 00 00 4b 00 00 0045 00 00 00 57 00 00 00 4c 00 00 00 0a 00 00 00
Unicode UCS-4
Unicode is KEWL
marți, 13 martie 12
55 00 6e 00 69 00 63 00 6f 00 64 00 65 00 20 0069 00 73 00 20 00 4b 00 45 00 57 00 4c 00 0a 00
“0” bytes
“Unicode is KEWL”
marți, 13 martie 12
... 55 f4 3a ff 6e ac 12 43 69 fa 3f 1a 63 ff ...
... 55 f4 3a ff 6e ac 12 43 69 fa 3f 1a 63 ff ...
UCS-2
marți, 13 martie 12
... 55 f4 3a ff 6e ac 12 43 69 fa 3f 1a 63 ff ...
This way?
... 55 f4 3a ff 6e ac 12 43 69 fa 3f 1a 63 ff ...
... or This way ?
marți, 13 martie 12
Little Endian
“U”
Big Endian
55 00
“U” 00 55
marți, 13 martie 12
1) Storage space
2) “0” bytes
3) Synchronisation
4) Endianness
marți, 13 martie 12
UTF-8
marți, 13 martie 12
Variable length encoding
61
a ж 龍
d0 b6 e9 be 8d
marți, 13 martie 12
00 61
a 0000 0000 0110 0001
0--- ----
Unicode number
UTF-8 encoding
marți, 13 martie 12
00 61
a 0000 0000 0110 0001
610110 0001
Unicode number
UTF-8 encoding
marți, 13 martie 12
04 36
ж 0000 0100 0011 0100
Unicode number
UTF-8 encoding
11-- ---- 10-- ----
marți, 13 martie 12
04 36
ж 0000 0100 0011 0100
d0 b6
Unicode number
UTF-8 encoding
1101 0000 1011 0110
marți, 13 martie 12
9f 8d
龍1001 1111 1000 1101
Unicode number
UTF-8 encoding
111- ---- 10-- ---- 10-- ----
marți, 13 martie 12
9f 8d
龍1001 1111 1000 1101
e9 be 8d
Unicode number
UTF-8 encoding
1110 1001 1011 1110 1000 1101
marți, 13 martie 12
Variable length encoding
61aж
龍
d0 b6
e9 be 8d
0110 0001
1101 0000 1011 0110
1110 1001 1011 1110 1000 1101
marți, 13 martie 12
1) Storage space
2) “0” bytes
3) Synchronisation
4) Endianness
marți, 13 martie 12
Thank you!And please don’t forget the evaluation form :-)
marți, 13 martie 12