深入浅出系列之字符集及编码

字符集及编码

基本概念

• 字符(Character) 是各种文字和符号的总称，包括各国家文字、标点符号、图形符号、数字等
• 字符表是一个系统支持的所有字符的集合
• 字符集(Character set) 又称编码字符集,是一个包含字符表中每一个字符和对应整数(码位值)映射关系的集合
• 码位值是一个字符在某个字符集中的映射的值，一般是一个整数。
• 字符编码(Character encoding) 是把一个码位值转换为用于存储和传输的二进制序列的方式。是把字符集中的字符编码为特定的二进制数（码位值）,以便在计算机中存储。每个字符集中的字符都对应一个唯一的二进制编码

常用字符集

• ASCII字符集
• ISO-8859-1字符集
• GB2312字符集
• GBK字符集
• GB18030字符集
• Unicode字符集

字符编码

• ASCII码:字符以单字节存储
• ISO-8859-1:字符以单字节存储
• GB2312：字符双字节来存储
• GBK：字符以单字节或双字节存储
• GB18030：采用变长多字节编码，每个字符可以由1个、2个或4个字节存储
• UTF-32：字符以四个字节存储
• UTF-16:字符以双字节存储
• UTF-8:采用变长多字节编码，每个字符可以1至4个字节存储,具体取决于代码点数值中有效位的数量

总结

• 每个编码方式都有对应的字符集