编码，解码，乱码，unicode码

字符编码

一、为什么需要字符编码？

啥意思，就是不同国家为了需求整出 ASCII、OME、DBCS、GBK，然后即出现了 Unicode。

 

二、各种编码

1、单字节编码：

ASCII字符集由95个可打印字符（0x20-0x7E）和33个控制字符（0x00-0x19，0x7F）组成。

OME：0x00~0x7F这个范围的解释基本是相同的，而对于后半部分0x80~0xFF的解释却不一定相同。（最终导致词不达意）

2、多字节编码方式：（为了落后的亚洲国家使用）保持和ASCII字符集的兼容

编码有：DBCS

GB2312：涵盖了所有简体字符以及一部分其他字符；（最常用）

GBK（K代表扩展的意思）：在GB2312的基础上加入了对繁体字符等其他非简体字符（GB18030字符集不是双字节字符

集）。这两个字符集的字符都是使用1-2个字节来表示

 

三、解码

解码方式：查表操作就可以完成编解码的过程

解码方式：根据第一个字节来选择不同的码表进行解析，然后在去查表

 

四、日常生活的编码。

1、是怎么区分简体和繁体的？

Windows系统采用936代码页来实现对GBK字符集的编解码。在解析字节流的时候，如果遇到字节的最高位是0的话，那么就使用936代码页中的第1张码表进行解码，这就和单字节字符集的编解码方式一致了。

2、我们现在用的是啥码制？

我们现在通常说到ANSI编码，通常指的是平台的默认编码，例如英文操作系统中是ISO-8859-1，中文系统是GBK。

为啥我们可以在不同的机器厂整不同的语言？

因为unicode。

3、乱码原因是啥？

造成乱码的原因就是因为使用了错误的字符编码去解码字节流。

 

五、啥是unicode编码？

Unicode字符集涵盖了目前人类使用的所有字符，并为每个字符进行统一编号，分配唯一的字符码（Code Point）。Unicode字符集将所有字符按照使用上的频繁度划分为17个层面（Plane），每个层面上有216=65536个字符码空间。（意思是我们只用到plan0呗）、

 

六、unicode编码都有什么？

UCS-2/UTF-16：使用2个字节来表示，并且编码得到的结果完全一致。不同之处在于，UCS-2最初设计的时候只考虑到BMP字符，因此使用固定2个字节长度，也就是说，他无法表示Unicode其他层面上的字符，而UTF-16为了解除这个限制，支持Unicode全字符集的编解码，采用了变长编码，最少使用2个字节，如果要编码BMP以外的字符，则需要4个字节结对。

UTF-8、GB18030、gb2312，codepage936………

 

虽然每个字符在Unicode字符集中都能找到唯一确定的编号（字符码，又称Unicode码），但是决定最终字节流的却是具体的字符编码。

来举个例子：对Unicode字符“A”进行编码，UTF-8字符编码得到的字节流是0x41，而UTF-16（大端模式）得到的是0x00 0x41；啥意思呐，别整这么专业，就是在你妈叫你狗蛋，你爹叫你，傻缺。但是你爹你娘是一家人（一家人就是unicode，你就是A）。

 

什么是字符集，字符码、字符编码、代码页？待续……