문자 인코딩

컴퓨터와 데이터

컴퓨터의 메모리는 트랜지스터라고 불리는 작은 전자 스위치가 모인 반도체로 만들어져 있습니다.

트랜지스터는 전기가 흐르지 않는 것과 흐르는 것을 0과 1로 표현합니다.

• 1bit: 2가지 표현
  • 0
  • 1
• 2bit: 4가지 표현
  • 00, 01
  • 10, 11
• 3bit: 8가지 표현
  • 000, 001, 010, 011
  • 100, 101, 110, 111

1bit가 늘어날 때마다 표현 가능한 숫자는 2배씩 증가합니다.

음수 표현: 처음 1bit를 음수, 양수를 표현하는데 사용합니다.

문자 인코딩

문자는 바로 숫자로 표현할 수 없습니다. 따라서 각 문자에 맞는 숫자를 매핑해 놓았습니다.

ASCII 문자 집합

• 1960년도
• 7bit 사용
• 알파벳, 숫자, 특수문자, 스페이스, 엔터와 같은 기본 적인 문자만 표현

ISO_8859_1

• 1980년도
• 1byte 사용
• 서유럽 문자 표현
• ASCII 호환

한글 문자 집합

EUC-KR

• 1980년도
• 모든 한글 X. 자주 사용하는 한글 2350개만 포함
• 2byte 사용
• ASCII는 1byte, 한글은 2byte 사용
• ASCII 호환

MS949

• 1990년도
• 모든 한글을 표현
• EUC-KR과 호환
• ASCII 호환

전세계 문자 집합

유니코드

• 1990년도
• 전 세계 모든 문자들을 단일 문자 세트로 표현

UTF-16

• 1990년도
• 2byte 사용
• 자주 사용하는 기본 다국어들은 2byte로 표현
  • 영어, 유럽 언어, 한국어, 중국어, 일본어 등
• 그 외는 4byte로 표현
  • 고대 문자, 이모지, 중국어 확장 한자 등
• 단점
  • ASCII 영문도 2byte 사용
  • ASCII 호환 되지 않음

UTF-8

• 1990년도
• 1byte 기반, 가변길이 인코딩
  • 1byte: ASCII, 영문, 기본 라틴 문자
  • 2byte: 그리스어, 히브리어 라틴 확장 문자
  • 3byte: 한글, 한자, 일본어
  • 4byte: 이모지, 고대문자 등
• 장점
  • ASCII 문자는 1byte로 표현
  • ASCII 호환
• 단점
  • 상대적으로 사용이 복잡
  • ASCII를 제외한 일부 언어에서 더 많은 용량 사용
  • EUC-KR, MS949 한글 호환 되지 않음
  • UTF-16 영어, 한글 호환 되지 않음
• 현대의 사실상 표준 인코딩 기술

결론: UTF-8을 사용하면 됩니다.

참고

• https://www.inflearn.com/course/김영한의-실전-자바-고급-2