常见的几种字符集

上网搜集了一些信息，整理一下，分享出来，以备不时之需

1、最早在dos下写pascal的时候，就遇到ASCII字符集，后来还是dos下写c，也是ascii字符集

特点：目前最通用的单字节编码字符集

表示：单字节

最早ascii用7bit表示，总共能表示2^7=128个字符，后来扩展到8bit，就表示2^8=256个字符

2、GB2312又称为GB2312-80字符集，全称为《信息交换用汉字编码字符集·基本集》，由原中国国家标准总局发布，1981年5月1日实施。

特点：当然是能表示99%的中国汉字，还包括拉丁字母、日文假名、希腊字母、俄文字母、汉语拼音符号、汉语注音字母等

表示：双字节

3、GBK是汉字编码标准之一，全称《汉字内码扩展规范》，GBK 向下与GB2312编码兼容，向上支持ISO10646.1国际标准。可以认为GBK是在GB2313基础上通过内码扩展出来的一个标准。

特点：完全兼容GB2312标准，支持国际标准ISO/IEC10646-1和国家标准GB13000-1中的全部中日韩汉字，并包含了BIG5编码中的所有汉字

表示：双字节

4、Big5，台湾那边使用比较多。

5、GB 18030，全称是GB18030-2000《信息交换用汉字编码字符集基本集的扩充》，是我国政府于2000年3月17日发布的新的汉字编码国家标准，2001年8月31日后在中国市场上发布的软件必须符合本标准。

特点：就是强大。覆盖中文、日文、朝鲜语和中国少数民族文字。满足中国大陆、香港、台湾、日本和韩国等东亚地区信息交换多文种、大字量、多用途、统一编码格式的要求。并且与Unicode 3.0版本兼容，填补Unicode扩展字符字汇“统一汉字扩展A”的内容。并且与以前的国家字符编码标准（GB2312，GB13000.1）兼容。

表示：单字节、双字节、四字节三种方式

6、Unicode野心更大（当然有一个国际统一标准当然是好事）

特点：Unicode是一种在计算机上使用的字符编码。它为每种语言中的每个字符设定了统一并且唯一的二进制编码，以满足跨语言、跨平台进行文本转换、处理的要求。

表示：utf-8,utf-16,utf-32

这里可能有点不好理解，举个例子

首先，把unicode理解成对所有字符做了一个统一的编号，比如：“字”这个字符，编号是23383，这个是unicode定义的

但是，在计算机中，如何存储这个编号呢？方式就有很多，存储unicode的方式，就是utf-8,utf-16,utf-32

23383数值的16进制表示：0x5b57

utf-8用3个字节来表示汉字，所以utf-8的表示为：0xE5AD97

utf-16用2个字节来表示汉字，所以utf-16的表示为：0x5b57  刚好和数值是一样的

utf-32用4个字节来表示汉字，所以utf-32的表示为：0x00005b57 和数值是一样的，不过浪费空间

7、再来讲讲utf-8，它是一种变长的字符集

表示：单字节来表示字母，双字节来表示一些希腊字母，三字节来表示汉字，当然也有四字节的

这么做当然会增加表示和识别的难度，不过，可以节省空间。这也是为什么utf-8在网络编码中流行的原因。

上图中的 x 就是空余的用来表示字符编码的，而前缀0,110,10等，是固定的且不重叠，这样可以用来判断是单字节表示 还是 双字节表示

当然，就像网络字节序和主机字节序一样，utf-8编码也会遇到字节序问题，此时需要用bom来解决

具体参考http://blog.csdn.net/laizhenhai88/article/details/8953428