教妹学Java(十)：Unicode字符集简介

“当然可以啊。”

Unicode 是一种国际通用的标准字符编码，能够代表世界上大多数的书面语言。在 Unicode 字符集出现之前，已经存在不少字符集了，比如说：

• ASCII，美国标准信息交换码，一共规定了 128 个字符的编码，比如空格 SPACE 是 32（二进制 00100000），大写的字母 A 是 65（二进制 01000001）。这 128 个符号（包括 32 个不能打印出来的控制符号），只占用了一个字节的后面 7 位，最前面的一位统一规定为 0。

• ISO 8859-1，为西欧而生。英语用 128 个符号编码就够了，但是用来表示其他语言，128 个符号是不够的。比如，在法语中，字母上方有注音符号，它就无法用 ASCII 码表示。于是，一些欧洲国家就决定，利用字节中闲置的最高位编入新的符号。比如，法语中的 é 的编码为 130（二进制 10000010）。这样一来，这些欧洲国家使用的编码体系，可以表示最多 256 个符号。

• GB2312，简体中文编码方式。使用两个字节表示一个汉字，所以理论上最多可以表示 256 x 256 = 65536 个符号，因为汉字就多达 10 万个左右，一个字节只能表示 256 种符号，肯定是不够的。

它们引出了两种问题：

• 一种特定的码只能只能针对一种地区的语言标准。

• 不同字符集的编码对应的字节数不同，有的一个，有的两个，有的更多，不够统一。