字符集 - 编码、UNICODE - UTF的关系总结

结论：UNICODE是字符集，UTF-8、UTF-16、UFT-32是编码，编码是字符集的实现

先来解释一下字符集（character set）跟编码（encoding）的关系，做个类比：

字符集比作动物

｛狮子、老虎、猴子｝

编码就能比作表述这些动物的各种语言

中文编码 ｛狮子，老虎，猴子｝

英文编码｛lion，tiger，monkey｝

日语编码｛ライオン，トラ，サル｝

当然还有泰文编码，西班牙编码等等......

字符集：顾名思义，是一个字符的集合，只需要关心是里面包含了那些字符。

编码：就是用计算机认识的二进制去表示这个集合里面元素的方案，可以不止有一种。

按照这种思路，我们也可以自己创造一个字符集，以及设定编码。比如我要设计一个字符集，里面只包含｛口，袋，妖，怪}｝4个字符。那对应的编码可以设计为：

金银版编码（4位定长）

口	0001
袋	0010
妖	0100
怪	1000

或者：

宝石版编码（不定长）

口	0001
袋	1000 0000
妖	1000 0100
怪	0111

相信大家现在明白字符集和编码的关系了。

---

再简单说一下UNICODE那些事。引用一下UNICODE官网对UNICODE字符集的说明：

Unicode provides a unique number for every character,
no matter what the platform,
no matter what the program,
no matter what the language.

这句话有两点地方需要注意：

1. 3个 NO MATTER，这指出了UNICODE包含的字符之多
2. UNICODE给每个字符分配了一个唯一的整数，这个整数的范围是0x0000~0x10FFFF。所以说UNICODE本身是编码也不是个错误的说法

UCS-2，UCS-4又是什么呢？从英文翻译可以知道，“Universal Character Set“，就是字符集，后面的数字代表每个字符的整数长度：UCS-2每个字符使用2个字节16位的整数表示，UCS-4每个字符使用4个字节32位整数表示。UCS-2是UNICODE的一个真子集，对应0x0000~0xFFFF，包含了各种语言常用的字符，熟悉WINDOWS编程API的同学都知道，宽字符其实就是UCS-2的字符，占2个字节。Windows的资料几乎把UNICODE和UCS-2说成同一样东西，说UNICODE用16位表示一个字符。

至于UTF-8、UTF-16、UFT-32这3种常见的对UNICODE的编码方式，包括定长跟不定长的方案。