字符集通俗易懂解读

何为字符集？

字符是各种文字、标点符号、图形符号、数字等的统称。字符集那就是无数字符组成到一起形成的那个整体集合了。按照字符集中包含的字符个数、种类不同，肯定又会划分出个各种字符集。如：ascll字符集、gbk字符集、unicode字符集等。字符集中有这么多的字符 ，为了查找起来方便，所以又给字符集中的字符挨个做了一个序号，比如我举个例：从0开始，第一个位置的序号0表示a，第二个位置的序号1表示b 依次递增。这就是字符在字符集中的数字序号。我们的字符需要存储到计算机上，我们知道，计算机可没那么聪明，它只能识别0101这样的二进制，这时候要怎么办呢？对了，你可能已经想到了，前面不是说过了吗，每个字符在字符集中都对应了一个数字序号吗，如果我们存下这个数字，那不就变相的存储了这个字符吗（前提存、取都要用同一个字符集哈，因为不同字符集中，相同数字序号可能代表的字符不一样嘛），数字的二进制我们总是能够知道的。这个将字符变成数字序号的二进制然后存储到计算机中的过程，我们就叫做它字符编码，那解码也一样，二进制变成字符的过程就叫做解码。所以，在字符集中除了记录下每个字符的数字序号（十进制），还同时记录了它的二进制（用于存储到计算机）

1、先有字符，再通过不同的编码集，根据字符，去查找它对应数字序号，然后找出它对应的二进制字节

2、ascll编码：固定用1个字节表示，里面包含了英文中的各种单词和标点符号

3、iso-8859-1：里面除了包含英文的那些字符外，还包含了欧洲其他国家的文字字符

4、gbk：固定2个字节，里面包含了中文汉字和中文字符

5、unicode编码只是一个规范，它包含了世界上所有文字的数字（世界上这么多文字，所以它用16进制的数字来规定每个字符的数字序号，总共用了2个字节（每个字节上的每一位都是一个16进制的数字））。光说unicode编码是没有意义的，通常我们说的unicode编码是指的它的是实现：utf-16

6、utf-8、utf-16、utf-32 都是unicode的具体实现（就像子类是接口的具体实现一样）

utf-8：长度不固定，用1个字节表示unicode中定义的英文字符，通常用3个字节表示unicode中定义的中文字符（所以，它的1个字节不能完全用于表示数字序号，还会规定1个字节中前几位表示当前字符用几个字符表示，后几位才用于表示数据序号。当然我只是为了好理解才这样举例的，实际上没有这么简单）

utf-16：长度不固定（一个字符可能用2个或4个字节表示），用2个字节表示unicode中定义的一部分字符，用4个字符表示unicode中定义的另外一部分字符

utf-32：长度固定，用4个字节表示一个unicode中定义的某个字符

ps：我们都知道Java中用的字符集是unicode字符集，但是确不知道它用的具体是utf-16字符集。之所以我们都说java中一个字符占2个字节，我想大概是因为java中用的字符只属于utf-16用2个字节包含的那一部分字符吧