字符集与字符编码

一、字符集

字符集是一个集合，描述并定义了这个集合中可以出现哪些字符，常见的字符有GB2312、GBK、GB18030、UNICODE等。字符集仅仅是一种规范，一种约定，我们也可以定义自己的字符集。

举例来说，银行IT系统为了字段合法性校验的方便，常内部定义一些小字符集，比如X字符集，N字符集。

x-字符集由以下86个字符组成
a b c d e f g h I j k l m n o p q r s t u v w x y z
A B C D E F G H I J K L M N O P Q R S T U V W X Y Z
0 1 2 3 4 5 6 7 8 9
. ， - _ （ ） / = ’+ : ? ! ” % & * < > ; @ #
（cr）（lf） （space）

不同的字符集之间很可能是有交集的，并且包含越多字符的字符集越通用。中国的BG2312，GBK，GB18030是在不同时期，逐步扩展而来的，所以GB18030是前者的超集。现今最大的字符集是UNICODE，几乎包含了世界上所有语言的字符。

二、字符编码

先有字符集才有字符编码，编码是字符集的具体表示方式，一个字符集可以有多种编码方式，只要这种方式可以涵盖字符集中的所有字符。

比如UNICODE字符集的具体编码方式有很多种，utf-8/utf-16/utf-32；而gb2312就只有常见的一种编码方式GB2312（所以有时候人们常将编码与字符集弄混）。可能有人会说，utf-8中包含了gb2312的所有字符，那不就是以utf-8编码表示了gb2312字符集么，事实是这样，但问题人家utf-8编码方式又不是为你gb2312定制的，人家只是顺手把你给表示了。

不同的编码方式，根据其特性应用在不同场合。以UNICODE字符集的编码方式为例，其中utf-8以尽可能少的存储空间存放字符，自动纠错性能好（由于编码的特殊性，其一个字符出错只会影响其后几个字节，而utf16/32等等长字节的就连错一大片了），适合传输及存储；utf-16/32以等字节表示所有字符，在程序内部更容易处理，一般用于系统内部字符格式。