练习题与扩展阅读

练习题

基础题

1. 请简述ASCII、GBK、UTF-8三种编码的区别和各自的优缺点。
2. 计算字符串“Hello 世界！🌍“在以下编码中分别占用多少字节：
   • ASCII编码
   • GBK编码
   • UTF-8编码
   • UTF-16编码
3. 乱码产生的根本原因是什么？列举3种常见的乱码场景和解决方案。
4. 为什么UTF-8编码的文件不建议带BOM？BOM会带来什么问题？

实操题

1. 编写一个程序，读取一个GBK编码的文本文件，将其转换为UTF-8编码保存。
2. 写一个正则表达式，匹配所有符合邮箱格式的字符串，并用它提取一段文本中的所有邮箱地址。
3. 遇到一个中文网页显示乱码，请列出你的排查步骤和解决思路。
4. 写一个正则表达式，验证密码强度：必须包含大小写字母和数字，长度在8-16位之间。

思考题

1. 既然UTF-8已经是事实标准了，为什么还会有GBK等编码存在？我们应该在什么情况下使用非UTF-8编码？
2. 为什么MySQL的utf8不是真正的UTF-8？使用utf8mb4有什么注意事项？
3. 编程中字符串处理时，“字节长度“和“字符长度“有什么区别？哪些场景下需要区分这两个概念？

扩展阅读

书籍推荐

1. 《Unicode Explained》

   • 全面深入讲解Unicode标准的方方面面
   • 适合想要深入理解Unicode原理的开发者

2. 《Mastering Regular Expressions》（精通正则表达式）

   • 正则表达式领域的经典著作
   • 从基础到高级，全面讲解正则表达式的原理和应用
   • 适合想要系统学习正则的开发者

3. 《编码：隐匿在计算机软硬件背后的语言》

   • 第2章的内容和本书的编码部分可以互相印证
   • 从更底层的角度讲解编码的本质

在线资源

1. Unicode官方网站

   • Unicode标准的官方文档，最权威的资料来源
   • 可以查询所有字符的码位和属性

2. UTF-8 Everywhere

   • 推广UTF-8编码的网站，讲解了为什么应该统一使用UTF-8
   • 包含很多最佳实践和常见问题解答

3. Regex101

   • 在线正则表达式调试工具
   • 支持多种语言的正则引擎，可视化显示匹配过程
   • 学习和调试正则的必备工具

4. 正则表达式30分钟入门教程

   • 国内非常经典的正则入门教程
   • 通俗易懂，适合零基础快速入门

工具推荐

1. chardet / cchardet：Python库，自动检测文本的编码
2. iconv：命令行工具，进行编码转换
3. hexdump / xxd：命令行工具，查看文件的二进制内容
4. Notepad++ / VS Code：文本编辑器，支持查看和转换文件编码
5. Wireshark：网络抓包工具，可以查看网络传输的原始字节

参考答案

练习题的参考答案可以在附录/练习题参考答案.md中找到。建议先独立思考完成，再查看答案。