一文教你彻底理解字符编码

字符编码时间轴

• SBCS(1963)
• DBCS(1980):
• MBCS(1990):

字符编码详解

SBCS

Single-Bytes Character Set，单字节字符集

• ANSI (1963)
• EBCDIC (1964)

DBCS

Double Byte Charecter Set 双字节字符集

• GB2312(信息交换用汉字编码字符集——基本集 1980):
  包含一级汉字3755个，二级汉字3008个

• Big5:
  台湾同胞发明,其中繁体汉字13053个，808个标点符号、希腊字母及特殊符号。 为了解决GB2312不支持繁体的问题

• GBK (Chinese Internal Code Specification )
  收录汉字21003个、符号883个，并提供1894个造字码位，简、繁体字融于一库

• GB18030
  包含了 GBK + 3000少数民族字

MBCS

Muilti-Bytes Character Set，多字节字符集

• Unicode (1990)
  容纳100多万个符号。采用统一的 四字节, UCS-2, UCS-4
• UTF - 8 / 16 / 32 (1992)
  为了解决 Unicode 消耗内存的问题, 出现的一种新的编码, 采用 一到四字节 可变长编码风格,
  根据特定编码算法可以将 UTF 转换为 Unicode.

用通信理论的思路可以理解为: unicode是信源编码，对字符集数字化; utf8是信道编码，为更好的存储和传输。