由＜meta charset=“UTF-8“＞引发的血案--常见字符编码解析

<meta charset="UTF-8">是什么意思？

---

最近要找实习，时间有限，以后一定把底层原理写个明白

首先解释一下这句代码的意义：

<meta charset="UTF-8">

• meta为标签head中的子标签

• 设置网页文件展示时使用的字符集

   

常见字符编码一览

---

编码名	解释	备注
ASCII		1、ASCII编码每个字母或符号占1byte（8bits），并且8bits的最高位是0，因此ASCII能编码的字母和符号只有128个。有一些编码把8bits最高位为1的后128个值也编码上，使得1byte可以表示256个值，但是这属于扩展的ASCII，并非标准ASCII。通常所说的标准ASCII只有前128个值。 2、ASCII编码几乎被世界上所有编码所兼容（UTF16和UTF32是个例外），因此如果一个文本文档里面的内容全都由ASCII里面的字母或符号构成，那么不管你如何展示该文档的内容，都不可能出现乱码的情况。 3、半角->一个字节（英文）->ASCII->是编译器认识的
Unicode	万国码	1、国际标准字符集，它将世界各种语言的每个字符定义一个唯一的编码，以满足跨语言、跨平台的文本信息转换。 2、UTF8解决字符间分隔的方式是数二进制中最高位连续1的个数来决定这个字是几字节编码。0开头的属于单字节，和ASCII码重合，做到了兼容。
UTF-8（16/32）	UTF-8是使用最广的一种 Unicode 的实现方式	将Unicode字符集的抽象代码位映射为8(16/32)位长整数(即代码位)进行数据存储或传输的序列。
GB2312		1、GB全称GuoBiao国标，GBK全称GuoBiaoKuozhan国标扩展。GB18030编码兼容GBK，GBK兼容GB2312，这三种编码有着非常深厚的渊源。 2、最早的简体中文汉字编码国家标准，采用双字节编码，收录7445个图形字符，其中包括6763个汉字。 3、GB2312:全角->两个字节->是编译器不认识的
BIG5		台湾地区繁体中文标准字符集，采用双字节编码，共收录13053个中文字
GBK		是对GB2312编码的扩充，对汉字采用双字节编码。GBK字符集共收录21003个汉字，包含国家标准GB13000-1中的全部中日韩汉字，和BIG5编码中的所有汉字。
GB18030编码		是对GBK编码的扩充，覆盖中文、日文、朝鲜语和中国少数民族文字，其中收录27484个汉字。GB18030字符集采用单字节、双字节和四字节三种方式对字符编码。兼容GBK和GB2312字符集

表1 常见字符编码表

兼容性一栏

---

                         

图1 常见字符编码兼容性一览

  图中我们可以看出，ASCII被所有编码兼容，而最常见的UTF8与GBK之间除了ASCII部分之外没有交集，这也是平时业务中最常见的导致乱码场景，使用UTF8去读取GBK编码的文字，可能会看到各种乱码。而GB系列的几种编码，GB18030兼容GBK，GBK又兼容GB2312。

引用：

1、https://zhuanlan.zhihu.com/p/46216008

2、https://www.qqxiuzi.cn/bianma/zifuji.php