编码相关整理

基本名词

编码 是信息从一种形式或格式转换成另一种形式的过程。 解码 是编码的逆过程

以上是维基百科上对编码与解码的解释，可以说这是一个通俗的解释，但是这个地方要是放在计算机编码上可以说是有些歧义。

编码（Encoding）专门是指从字符转变成字节（位元组），解码（Decoding）则是从字节（位元组）转换成字符（此句话存疑，因为Base64是字符到字符的编码，但是Base64是否算作是我们所讲的编码， 这点待定。）

感觉改成上述的应该会比较准确， 以上是作为动词说明的， 作为名词就代表着一个具体的实现方式，比如 ASCII编码， GBK编码 等等

字符集 多个字符的集合（Unicode字符集， ASCII 字符集， GBK字符集。。。）

字符编码 按照何种规则存储字符

下图说明了字符集和字符编码的关系

拉丁字母 也叫罗马字母，是当今世界上使用最广的字母系统，基本的拉丁字母就是我们见到的ABCD等26个字母， 原先是欧洲那边使用， 后来扩展到美洲等地。总的来说，现在欧洲多数国家，美洲，澳洲，非洲多数国家都是用的拉丁字母，其中欧洲很多国家，是对已有的26个基本的拉丁字母加上连字，变音字符，转换成衍生拉丁字母，但是还是属于拉丁字母

码元（编码单元）能用于处理或交换编码文本的最小比特组合， 编码后的最小单位

字符 是指字母，数字，标点， 表意文字，符号，或者其他文本形式的书写“原子”

抽象字符 抽象字符就是抽象的字符，像a这样的字符是有形的， 但是在计算机中， 有很多的字符都是空白的， 甚至是不可打印的。比如ASCII中的NULL，就是一个抽象字符
ps: \x00, \000, NULL, 0 这些写法都只是这个抽象字符的某种表现形式， 而不是这个抽象字符本身

现代编码模型

在现代编码模型里面要知道一个字符如何映射成计算机里面的比特， 需要经过如下几个步骤

1. 知道一个系统需要支持哪些字符， 这些字符的集合被称为字符集(character repertoire), 正式名称叫抽象字符集（Abstract Character Repertoire）ACR 它具有无序性 –这个字符集同python中的set类似

2. 给字符表里的抽象字符编上一个数字（这个数字称作码位（Code Point））， 也就是字符集合到一个整数集合的映射。这种映射称为编码字符集（CCS: Coded Character Set）unicode属于这一层的概念， unicode跟计算机里面的进制没有任何关系， 它是完全字符抽象的 –跟python中的dict类似 (key是字符， value是码位)

• 这里有一个问题， 既然CCS已经将字符转成整数了， 为什么不将这个整数直接存储到计算机的内存或者硬盘里面？
  

  因为CCS比如Unicode , 是一个开放的字符集， 未来可能有更多的符号加入， 这个可能是无限的。但是计算机整形能表