字符编码关系总结

世界上存在着多种编码方式，同一个二进制数字可以被解释成不同的符号。因此，要想打开一个文本文件，就必须知道它的编码方式，否则用错误的编码方式解读，就会出现乱码。

 

•  ASCII，是American Standard Code for Information Interchange缩写，即“美国信息交换标准码”。这是美国早期制定的编码规范，一个ASCII码占一个字节，不过只用到前七位来表示字符，最高位为校验位，所以只能表示128个字符，包括英文字符、阿拉伯数字、西文字符以及32个控制字符。
• 本着能薅羊毛就使劲薅的科学专研精神，业界把一个字节的八位都用来表示字符了，所以向ASCII表继续扩充到256个符号，这样就可以存储一些英文的制表符、部分音标字符等等的一些其它符号。

• 计算机进入中国之后，我们发现洋人的东西好是好，但是不适合国情，啥都白搭。ASCII码撑死也就256个字符，还不够一本千字文用的。所以勤劳的中国人民对 ASCII 编码进行了中文扩充改造，产生了 GB2312 编码，每个字占据2bytes，可以表示6000多个常用汉字。

•  由于GB2312只有6763个汉字，而中华文明文化底蕴深不可测，汉字实在是太多，各种繁体和字符，GB2312 编码完全不都塞牙缝的。于是便产生了 GBK 编码，它包括了 GB2312 中的编码，同时扩充了很多。经过GBK编码后，可以表示的汉字达到了20902个，另有984个汉语标点符号、部首等。值得注意的是这20902个汉字还包含了繁体字。
• 需要明确的是，中国的文字不仅仅是汉字，有包括许多少许民族的文字符号。显然只有2万个符号容量的GBK编码还是满足不了我们，因此我们又把 GBK 编码继续修改，扩充为 GB18030 编码。GB18030多出来的汉字使用4bytes编码，GB18030编码的中文文件已经有七万多个汉字了，包含了多种少数民族文字。
• GB18030编码基本可以解决国内字符编码问题，然后新问题来了，现在是地球村时代了，大家都是要互联交流的，但是全世界有各种各样的编码，如果你不安装相应的编码，就无法解释相应编码想表达的内容。为了解决编码混乱的问题，某个神秘的国际组织创造了UNICODE ，这种编码非常大，大到可以容纳世界上任何一个文字和标志。所以只要电脑上有 UNICODE 这种编码系统，无论是全球哪种文字，只需要保存文件的时候，保存成 UNICODE 编码就可以被其他电脑正常解释。
• UNICODE虽然解决了各自为战的问题，但是美国人不愿意了，因为美国原来的ASCII只需要一个字节就可以了。UNICODE编码却让他们的语言多了一个字节，白白浪费一个字节的存储空间。经过协商，出现了一种新的转换格式，被称为通用转换格式，也就是UTF(unicode transformation format).常见的有utf-8,utf-16。utf-8规定，先分类，美国字符一个字节，欧洲两个字符，东南亚三个字符。

 

转载于:https://www.cnblogs.com/iMX8mm/p/10832896.html