关于字符集和字符编码的理解

什么是字符集

字符集就是众多字符的集合
是字符和二进制数字之间的映射关系集合
目前有以下几种流行的字符集：

• ASCII字符集——主要存储英文字母、数字以及一些标点符号
• GBK字符集——在ASCII字符集的基础上扩展了常用的汉字
• Unicode字符集——包罗万象，包含了世界上大部分字符

什么是字符编码

字符在计算机中是以二进制进行存储的，好多个字符连在一起形成一串长长的二进制串，要想从这串二进制数字中提取出字符，就需要使用对应的字符编码方式进行解码

ASCII字符编码

ASCII字符集一共有128个字符，二进制从00000000——01111111
所以如果字符以ASCII进行编码，只需要8个bit位即一个字节就足够了
ASCII编码方式就是将字符所对应的二进制串直接存储在计算机中

GBK字符编码

GBK是在ASCII字符集的基础上进行的扩展，为了兼容ASCII字符集，GBK字符集中的二进制从00000000——01111111依旧是和ASCII字符集一致，即一个字节表示一个字符
除此之外的汉字部分是用两个字节进行表示，比如“汉”这个字在GBK字符集中的二进制就是10111010 10111010
因为从00000000——01111111是ASCII的位置，所以汉字高字节的第一位一定是1，这也是GBK中区分英文和汉字的重要方式
GBK编码方式就是将字符所对应的二进制串直接存储在计算机中
如果在一串二进制中某个字节是以0开头，那么这个字节表示ASCII字符集的内容
若某个字节以1开头，那么这个字节连同下个字节共同表示一个汉字，就可以通过这两个字节在GBK字符集中查到对应的汉字展示到屏幕上

Unicode字符编码

Unicode是几乎包含了世界上所有字符的字符集
因为有的字符比如英文字母，只需要一个字节就可以表示，有的字符比如汉字就很多，需要多个字节才能表示，为了节省内存空间，有了以下几种主要的编码方式：

• utf-8
• utf-16
• utf-32

utf-8

在utf-8编码方式中，一个英文占一个字节，即和ASCII字符集相同，二进制从00000000——01111111
一个汉字占三个字节，比如“汉”这个字，在Unicode字符集中对应的二进制是11011000 1001001
utf-8编码会将这16个bit位按顺序放入到1110xxxx 10xxxxxx 10xxxxxx这三个字节的空位中，一共有16个bit的空位
“汉”对应的utf-8编码就是11100110 10110001 10001001，共计三个字节
utf-8编码中每个字节固定的几位就是解码的关键

utf-16

在utf-16编码方式中，一个字符占2-4个字节，高位补0

utf-32

在utf-32编码方式中，一个字符占4个字节，高位补0

学了这么久计算机，第一次将字符编码相关的点整理出来，如果有不正确的地方，还请各位多多指教