- 正确答案：编解码是指将数据从一种形式转换为另一种形式的过程，编码是将原始数据转换成特定格式以便传输或存储，解码则是将编码后的数据还原为原始格式。常见的编解码场景包括字符编码（如UTF-8、ASCII）、Base64编码、URL编码、序列化与反序列化（如JSON、Protobuf）等。 - 解答思路： 1. 首先明确“编解码”的定义和常见应用场景。 2. 分类介绍不同类型的编解码技术及其用途。 3. 结合实际例子说明其工作原理。 4. 深入讲解底层实现机制，尤其是字符编码和二进制编码的处理方式。 5. 提供典型代码示例帮助理解。 - 深度知识讲解：一、字符编码（Character Encoding）字符编码是将字符映射到二进制数据的标准。最常见的是ASCII和Unicode系列（UTF-8、UTF-16、UTF-32）。 ASCII：使用7位表示128个字符，主要用于英文字符，每个字符占1字节，无法表示中文等非拉丁字符。 Unicode：统一字符集，为世界上所有字符分配唯一编号（称为码点，Code Point），例如汉字“中”的码点是U+4E2D。 UTF-8：Unicode的一种变长编码方式，使用1~4字节表示一个字符： - ASCII字符仍用1字节表示（兼容性好） - 中文通常用3字节表示 - 编码规则基于前缀标识字节数示例：字符“A”在UTF-8中为0x41（1字节），而“中”为0xE4B8AD（3字节）实现原理： UTF-8编码规则如下（以N字节编码为例）： - 第一个字节：前N位为1，第N+1位为0；后续字节以10开头 - 数据位从码点中提取并填充伪代码实现UTF-8编码逻辑片段： ``` function encode_utf8(code_point): if code_point < 0x80: return [code_point] // 1 byte elif code_point < 0x800: return [ 0xC0 | (code_point >> 6), 0x80 | (code_point & 0x3F) ] // 2 bytes elif code_point < 0x10000: return [ 0xE0 | (code_point >> 12), 0x80 | ((code_point >> 6) & 0x3F), 0x80 | (code_point & 0x3F) ] // 3 bytes else: return [ 0xF0 | (code_point >> 18), 0x80 | ((code_point >> 12) & 0x3F), 0x80 | ((code_point >> 6) & 0x3F), 0x80 | (code_point & 0x3F) ] // 4 bytes ``` 解码时需根据首字节判断字节数，并提取有效位组合成码点。二、Base64 编码用于将任意二进制数据编码为可打印ASCII字符（A-Z, a-z, 0-9, +, /），常用于HTTP、邮件附件、Data URI等场景。原理： - 每3个字节（24位）划分为4组6位 - 每6位对应一个索引（0~63），查表得到字符 - 不足3字节时补0，并用'='填充示例：字符串 "Man" → Base64为 "TWFu" 伪代码实现： ``` base64_chars = "ABCDEFGHIJKLMNOPQRSTUVWXYZabcdefghijklmnopqrstuvwxyz0123456789+/" function base64_encode(data): // data is byte array result = "" i = 0 while i < length(data): // 取三个字节 b1 = data[i] b2 = i+1 < len ? data[i+1] : 0 b3 = i+2 < len ? data[i+2] : 0 // 组合成24位，拆分为4个6位 c1 = b1 >> 2 c2 = ((b1 & 0x03) << 4) | (b2 >> 4) c3 = ((b2 & 0x0F) << 2) | (b3 >> 6) c4 = b3 & 0x3F result += base64_chars[c1] result += base64_chars[c2] if i+1 < len: result += base64_chars[c3] else: result += '=' if i+2 < len: result += base64_chars[c4] else: result += '=' i += 3 return result ``` 注意：Base64会使数据膨胀约33%，但保证了二进制安全传输。三、URL 编码（Percent Encoding）将特殊字符（如空格、中文、#、&等）转换为%后跟两位十六进制数的形式。例如：空格 → %20，中文“你好” → %E4%BD%A0%E5%A5%BD 实现逻辑：对于非保留字符（字母数字及-_.~），保持不变；其余字符先转为UTF-8字节流，再对每个字节进行%XX编码。伪代码： ``` function url_encode(s): result = "" for each char in s: if char in "abcdefghijklmnopqrstuvwxyzABCDEFGHIJKLMNOPQRSTUVWXYZ0123456789-_.~": result += char else: bytes = utf8_encode(char) // 获取该字符的UTF-8字节序列 for b in bytes: result += "%" + to_hex(b).upper() return result ``` 四、序列化编解码（如JSON、Protobuf）序列化是将内存对象转化为可存储或传输的格式，反序列化则相反。 JSON 是文本格式，易读但效率较低；Protobuf 是二进制格式，高效紧凑。 Protobuf 编码核心思想： - 使用 TLV（Tag-Length-Value）或 TTV（Tag-Type-Value）结构 - 字段编号作为Tag，类型决定编码方式 - 整数采用Varint编码（变长整数） Varint 原理： - 每个字节最高位作为继续标志（1=还有后续字节，0=结束） - 低7位存储数据，小端顺序拼接 - 小数值只占1字节，大数自动扩展 Varint 编码示例（数字300）： 300 = 0b100101100 分成7位一组：0000010 0101100 加上标志位：10101100 00000010 → 十六进制 AC 02 伪代码： ``` function varint_encode(n): result = [] while n > 127: result.append(0x80 | (n & 0x7F)) n = n >> 7 result.append(n & 0x7F) return result ``` Protobuf优势：字段可选、向前向后兼容、语言无关、性能高。 - 扩展知识点： 1. 编码安全性问题：如URL编码绕过、双重编码攻击（Double Encoding） 2. 字符编码探测：当未指定编码时如何自动识别（如chardet库） 3. 内存中的字符串表示：Java使用UTF-16，Go使用UTF-8，C++ std::string无固定编码 4. 网络传输中的编解码：HTTP头指定Content-Type charset，WebSocket使用UTF-8 5. 错误处理策略：如UTF-8解码失败时替换为（U+FFFD） - 总结：编解码问题是计算机系统的基础组成部分，贯穿于网络通信、文件存储、API交互等多个层面。面试中考察此类问题，重点在于理解各种编码的设计动机、适用场景以及其实现细节。掌握底层原理有助于排查乱码、解析失败等问题，在开发国际化应用、高性能服务时尤为重要。建议深入理解UTF-8和Varint这类基础编码机制，并能手写简单实现。

海康嵌软一面

全站热榜

创作者周榜