1 背景

以太坊系统中默认存储数据的字段的是“input”。
“input”字段的内容是由用户（创建以太坊交易的人）自行写入，没有固定格式。
调研显示，“input”字段常见格式类型包括：“ascii”，“utf8”，以及一些变种（utf8,每两个字符之间用\x隔断）。
本文总结针对以太坊数据字段（input）的解析方法。

2 提纲：

(1)了解互联网行业常用的编码格式(完成)
(2)统计以太坊数据存储参数常用的格式类型
(3)设计解析方案
(4)编写解析程序

3 内容

3.1 了解互联网行业常用的编码格式

2机制(hex)
16机制(hex)
ascii
utf8
unicode

1 Byte（B） = 8 bit

ASCII编码 1B

GB2312编码

Unicode编码 2B-4B

UTF-8编码 1B-6B

unicode和ascii是一种编码方式，而UTF-8，UTF-16等是一种存储方式，在存储和传输上节约空间、提高性能的一种编码形式。
在计算机内存中，统一使用Unicode编码，当需要保存到硬盘或者需要传输的时候，就转换为UTF-8编码。

从存储层面看，字符常用的格式是UTF8

存储层面

3.1.1 存储容量单位

（1）位（Bit）
-计算机数据存储基础单位，包含1位的二进制数

（2）字节（Byte）
-最常用的字节是八位的字节，即它包含八位的二进制数
-也可以写为二位的十六机制数

3.1.2 数据表示方法

（1）二进制（binary）
-逢2进1，[0-1]

（1）16进制（Hexadecimal）
-逢16进1，[0-9-A-F]
-编程语言，使用字首“0x”，例如“0x5A3”。
-转义序列，使用字首“\x”，例如“\x1abf4”。

3.1.2 数据符合集合

（1）ASCII
-英文字符
-1B,128个。高位置0，后7位用于编码，常见的符号和英文字符。

（2）GB2312
-英文字符+中文字符
-2B，“区字节”+“位字节”

（3）GBK
-英文字符+中文字符
-1B-2B。英文使用单字节编码，完全兼容ASCII字符编码，中文部分采用双字节编码。
-GBK 向下与 GB 2312 编码兼容，向上支持 ISO 10646.1国际标准。

（4）Unicode（统一码、万国码、单一码）
-英文字符+中文字符+日文+韩文+其他
-2B-4B。原有的英文编码从单字节变成双字节，只需要把高字节全部填为0就可以。
-转义序列，使用字首“u”，例如“uCA”。

3.1.2 数据编码方法

（1）UTF-8
-1B-4B
-UTF-8是一种编码方式，根据字符在Unicode字符集中的序号，将字符集分成4种，分别采用1B-4B存储。
-编码方法（Unicode -> UTF-8）

编码例子：
\uCA ->\xC3 8A， 过程如下：
\uCA(1100 1010)处于0080 ~07FF之间，从上文中的转换表可知对其编码需要2bytes，即两个字节，其对 应 UTF-8格式为： 110X XXXX10XX XXXX。从此格式中可以看到，对其编码还需要11位，而uCA(1100 1010)仅有8位，这时需要在其二进制数前补0凑成11位: 000 1100 1010, 依次填入110X XXXX 10XX XXXX的空位中， 即得 1100 0011 1000 1010（C38A）。

文献

[16进制]
https://baike.baidu.com/item/%E5%8D%81%E5%85%AD%E8%BF%9B%E5%88%B6/4162457?fromtitle=16%E8%BF%9B%E5%88%B6&fromid=8541382&fr=aladdin
[ASCII]https://baike.baidu.com/item/ASCII
[ASCII、Unicode和UTF-8等常见字符编码格式介绍]https://www.cnblogs.com/Ladylittleleaf/p/9633993.html
[UTF-8]https://baike.baidu.com/item/UTF-8
[Unicode]https://baike.baidu.com/item/Unicode
[汉字编码]https://bianma.supfree.net/chaye.asp?id=53F6