字库表、编码字符集、字符编码

参考文章：
1、十分钟搞清字符集和字符编码
2、字符编码与字符集的区别
3、字符编码笔记：ASCII，Unicode 和 UTF-8

---

以下概念，是我根据参考文章，整理来相应的逻辑推断出来的（因为暂时没有找到确切的文献），可能会参考文章原文中的定义存在差异，如有错误，欢迎指正，也欢迎不同想法的沟通。

字库表（character repertoire）：相当于一个 所有 可读或者可显示字符的数据库（可读的字符不一定能够直观的显示出来，如回车）。其决定了编码字符集能够展示的字符的范围。每一种编码字符集，应该都对应着一个字库表。例如 ASCII 字符集，对应的字库表就是由换行、回车等控制字符，和数字、大小写字母、英文标点符号等 128 个字符组成的。且这 128 个字符，是按照一定顺序来排列的。这里需要注意，字库表本身只包含按照顺序排序的字符，而不包含标记字符位置的序号。

编码字符集（coded character set）：是字库表中所有字符以及对应的编码的集合（这里的 “编码”，是名词）。每一个编码（Code Point），都是一个二进制代码（因为计算机的底层就是基于二进制的），且都对应着字库表中的一个字符（就类似于摩斯电码，A 对应的代码为 ·-）。而该编码，一般取值为字符在字库表中的位置序号。

从某种形式上来说，编码字符集是字库表的扩展。

字符编码：（这里的 “编码”，是动词）是一种映射规则，通过这种规则，就可以把存储二进制的数据转换成对应的字符，或者把字符转换为用于存储的二进制数据。而不是直接将编码字符集中的编码进行存储，不依照规则，则可能出现乱码。

因为字符集只规定了字符的二进制代码，却没有规定这个二进制代码如何存储。因此，就需要 “字符编码” 来处理了，即参考某一规则，将原始的二进制代码进行加工，才能进行存储。反过来，也需要根据这一规则将存储的内容进行解码，才能。另外，一个编码字符集，可以对应多种不同的字符编码。

编码字符集 Unicode，有 UTF-8、UTF-16、UTF-32 等多种字符编码。
编码字符集 ASCII，即对应着 ASCII 字符编码。
编码字符集 CB2312，只有 EUC-CN 一种字符编码。

---

以 Unicode 字符集举例，它对世界上大部分的文字系统进行了整理、编码，使得计算机可以用更为简单的方式来呈现和处理文字。

UTF-8 是其常用的字符编码之一。它是一种变长的编码方式。它可以使用1~4个字节表示一个符号，根据不同的符号而变化字节长度。

（1）比如 大写字母 A，其在 Unicode 字符集中对应的编码为 1000001（二进制）。经过 UTF-8 字符编码后，为 01000001。

其中 1000001 为原始 Unicode 字符集的二进制编码，01000001 为在计算器中存储时的二进制代码。这两者是要进行区别的。

（2）对于汉字 严，其在 Unicode 字符集中对应的编码为 100111000100101（二进制）。经过 UTF-8 字符编码后，为 11100100 10111000 10100101。（参考自：字符编码笔记：ASCII，Unicode 和 UTF-8）

至于具体的 UTF-8 的编码规则，也可以参考 字符编码笔记：ASCII，Unicode 和 UTF-8

---