计算机中的字符编码

计算机中的字符编码

ASCII: 美国信息交换标准代码(American Standard Code for Information Interchange), 基于拉丁字母的一套电脑编码系统。它主要用于显示现代英语和其他西欧语言。它是现今最通用的单字节编码系统。

GB2312: 国标2312编码, 单双字节编码，单字节0~127用于兼容ASCII，双字节表示中文简体字符集，一共收录了7445个字符，包括6763个汉字和682个其它符号。“高位字节”使用了0xA1-0xF7(把01-87区的区号加上0xA0)，“低位字节”使用了0xA1-0xFE(把01-94加上0xA0)。

GBK: 国标扩展编码, 单双字节编码，是GB2312编码的扩充，GBK1.0收录了21886个符号，扩充了包括中文繁体及国家标准GB13000-1中的全部中日韩汉字。

GB18030: 国标18030编码, 单双四字节编码，是GBK编码的扩充，其中单双字节和GBK是完全兼容的。覆盖中文、日文、朝鲜语和藏文、蒙文、维吾尔文等主要的少数民族文字。

GB编码: 即GB2312,GBK,GB18030等国标码的通称，按发展史排ASCII->GB2312->GBK->GB18030，完全向下兼容。

BIG5: 大五码, 台湾地区繁体中文标准字符集，采用双字节编码，共收录13053个中文字，1984年实施。

Unicode: 是一种字符编码方法, 由国际组织设计, 可以容纳全世界所有语言文字的编码方案. Unicode的学名是"UniversalMultiple-Octet Coded Character Set". 简称为UCS。UCS可以看作是"Unicode CharacterSet"的缩写。有UCS-2(双字节编码)、UCS-4(四字节编码)。不兼容ASCII。

UTF: 统一码传输编码(Unicode/UCS Transformation Format), 是UCS的传输编码方案总称, 常见的UTF规范包括UTF-8、UTF-7、UTF-16。

UTF8: 统一码传输编码方案的一种, 以8位为单元对UCS进行编码, ASCII不作变换, 其他字符做变长编码, 每个字符1-3 byte。

ANSI: 美国国家标准学会的标准码（American National Standards Institute），为了扩充ASCII编码，以用于显示本国的语言的字符编码规范，不同的国家和地区制定了不同的标准，由此产生了 GB2312, BIG5, JIS 等各自的编码标准。这些使用 2 个字节来代表一个字符的各种延伸编码方式，称为ANSI编码，也称为MBCS编码(多字节字符集)。在简体中文系统下，ANSI 编码代表 GB2312 编码，在日文操作系统下，ANSI 编码代表 JIS 编码。

MBS: 多字节字串(Multi-Byte String), 变长编码方案, 遵循ANSI字符编码规范, 主要用于字符串的储存和传输, 编码类型有ASCII,GB,BIG5,UTF-8。相关C函数strlen,strcmp,strcpy,strcat,strdup

WCS: 宽字符字串 (Wide-Character String), 定长编码方案, 遵循UNICODE字符编码规范, 主要用于内部处理(如字符编码转换中间处理), 编码类型有UCS-2(windows),UCS-4(linux)。相关C函数wcslen,wcscmp,wcscpy,wcscat,wcsdup,wcstombs,mbstowcs

字符编码规范: ANSI,UNICODE,MBS,WCS
实际编码方法: ASCII,GB2312,GBK,GB13080,BIG5,JIS,UTF8,UCS2,UCS4