字符 字符集 编码 以及乱码

字符： 各种文字和符号的总称，如一个符号，一个字母
字符集：表示所有字符的集合，就相当于一个二维表，收录能显示的所有的字符。常见的字符集合有ASCII，GB2312，GBK，GB18030，BIG5，Unicode
编码：将字符转化为计算机系统可以识别的数的规则。
解码：将计算机可以识别的数字，用一种规则展现成字符。

ASCII字符集和ASCII编码（单字节）
ASCII（American Standard Code for Information Interchange）美国信息交换标准码。基于拉丁字母的一套电脑编码系统，主要显示现在英语以及常用的一些西方符号。使用7位二进制码表示一个字符，总共表示127个字符。由于一些西欧国家的需要，对于ASCII码做了扩展位EASCII，使用8位表示一个字符，总共可以表示256个字符。

GBXXXX字符集和BIG5（双字节）
当计算机传到了东亚国家，国际的标准被秒杀了。所以不同的国家还是沿用继续扩大ASCII的这个二维表，由于一个字节的八位是显然不够用的，所以出现了双字节编码。不同国家又出现了不同的编码标准。GB2312中国国家标准简体中文字符集对于汉字的编码，使用两个字节表示，仅仅只表示常用的6763字和非汉字682编码。对于繁体字却还是不支持，所以就出现了港台的BIG5以及日本的Shift_JIS。
当然，6763个汉字是不能满足要求的，所以微软发明了GBK，利用GB2312未使用的编码空间进行编码。总共收录了883个符号， 27533个汉字及提供了1894个造字码位。但是并非国家编码标准未被采用，却是微软的，影响较大。后来的GB18130-2000兼容了GBK，GB18130-2005增加我国少数民族文字的超大型中文编码字符集。在GB18030-2000的基础上增加了42711个汉字和多种我国少数民族文字的编码共收录汉字70244个。GB18030-2005标准收录的字符分别以单字节、双字节或四字节编码。GB 18030-2005主要有以下特点：

与UTF-8相同，采用多字节编码，每个字可以由1个、2个或4个字节组成。
编码空间庞大，最多可定义161万个字符。
支持中国国内少数民族的文字，不需要动用造字区。
汉字收录范围包含繁体汉字以及日韩汉字

此时，问题好像解决了，想显示中文，有GB系列，想显示英文有ASCII或者EASCII。各自在本地访问都是没问题的，但是一旦出现在网络中，使用不同的编码方式，互相访问是出现乱码的。每个字符集就是使用了不同的表，每个字符在每个表中的排列顺序不一样，所以一个字符使用GBXXXX编码，使用UTF-8解码就会找不到字符，或者说显示奇怪的字符，就会出现乱码.
Unicode
因此出现了强大的Unicode，将大量的字符都收录在这里，包括汉字，等各个国家常用的字符。在这个字符集里面，所有的字符编码都是唯一的。
UTF-8,UTF-16以及UTF-32都属于Unicode的一种实现方式。
uTF-8是一种可变长的编码方式，表示范围是1~4个字节。UTF-16和UTF-32每个字符用分别表示2或者4个字节和四个字节表示。
它的编码方式也比较简单。比如汉字‘严’，它的unicode十六进制数是4E25，转换成二进制数有15位（100111000100101），至少需要两个字节。有的需要三个四个字节的，怎样区分哪几个字节是表示的一个字符？
所以，UTF-8采用的可变长编码的规则是：

Unicode符号范围 | UTF-8编码方式
(十六进制) | （二进制）
———————-+———————————————
0000 0000-0000 007F | 0xxxxxxx
0000 0080-0000 07FF | 110xxxxx 10xxxxxx
0000 0800-0000 FFFF | 1110xxxx 10xxxxxx 10xxxxxx
0001 0000-0010 FFFF | 11110xxx 10xxxxxx 10xxxxxx 10xxxxxx

（1）在Unicode中的十六进制数，如果是单字节的符号，第一位设置为0，其余7位表示在ASCII表中的位置。
（2）对于n字节的字符，其用n个字节表示，其中高位字节的前n位用1表示，第n+1位为0，其余的n-1个字节前两位
都用10表示。其余部分将该字符的Unicode十六进制转化为二进制，从对应低位到高位依次填充，不够补0.
比如严字的Unicode为4E25，在
0000 0800-0000 FFFF之间，对应的二进制数为100111000100101，所以编码结果

 11100100 10111000 10100101

转化为十六进制就是E4B8A5。

Unicode和UCS
历史上, 有两个独立的, 创立单一字符集的尝试. 一个是国际标准化组织(ISO) 的 ISO 10646 项目,此标准所定义的字符集，称作为通用字符集（Universal Character Set，UCS）另一个是由(一开始大多是美国的)多语言软件制造商组成的协会组织的 Unicode 项目 . 幸运的是,1991年前后, 两个项目的参与者都认识到, 世界不需要两个不同的单一字符集. 它们合并双方的工作成果,并为创立一个单一编码表而协同工作. 两个项目仍都存在并独立地公布各自的标准, 但 Unicode 协会和ISO/IEC JTC1/SC2 都同意保持 Unicode 和 ISO 10646 标准的码表兼容, 并紧密地共同调整任何未来的扩展.我们平时会看到UCS-2，UCS-4，就是对应的ISO 10646标准中所定义的，对应的用2个字节或4个字节去表示同一个字符。

常见的乱码问题以及解决办法
1 本地打开的文件出现乱码
问题描述：
在一个编辑器中的文件，在另一个编辑器中打开，出现汉字乱码
2 浏览器出现乱码
① 浏览器的解码方式和文档的编码方式不同
② 浏览器和服务器的编解码方式不同

以上问题的解决办法都是统一编码，不过GB18030对于GBK和GB2312是向下兼容的。