计算机中那些常用的字符编码

计算机是美国人发明的，所以还得从最原始说起。

ASCII编码

ASCII ((American Standard Code for Information Interchange): 美国信息交换标准代码）是基于拉丁字母的一套电脑编码系统，主要用于显示现代英语和其他西欧语言。使用指定的7 位或8 位二进制数组合来表示128 或256 种可能的字符。占一个字节，只能包含128个符号，不能表示汉字。
常见ASCII码的大小规则：0-9<A-Z<a-z
1）数字比字母要小。
2）数字0比数字9要小，并按0到9顺序递增。
3）字母A比字母Z要小，并按A到Z顺序递增。
4）同个字母的大写字母比小写字母要小32。
’A‘为65, 'Z’为90； ‘a’为97，’z‘为122； ‘0’为 48，‘9’为57

ISO-8859-1

又称Latin-1或“西欧语言”，是国际标准化组织内ISO/IEC 8859的第一个8位字符集。是单字节编码，向下兼容ASCII。ISO-8859-1编码是一个8位的容器，ASCII编码是一个7位的容器。支持部分于欧洲使用的语言，其编码范围是0x00-0xFF，0x00-0x7F之间完全和ASCII一致，0x80-0x9F之间是控制字符，0xA0-0xFF之间是文字符号。
因为ISO-8859-1编码范围使用了单字节内的所有空间，在支持ISO-8859-1的系统中传输和存储其他任何编码的字节流都不会被抛弃。换言之，把其他任何编码的字节流当作ISO-8859-1编码看待都没有问题。这是个很重要的特性，MySQL数据库默认编码是Latin1就是利用了这个特性。

UNICODE

因为ascll不能表示其他国家的文字（如中文、日文、韩文等） ，为了统一所有文字的编码，国际组织制定Unicode（统一码、万国码、单一码）。Unicode通常用两个字节表示一个字符，原有的英文编码从单字节变成双字节，只需要把高字节全部填为0就可以。.分为17组编排，0x0000 至 0x10FFFF，每组称为平面（Plane），而每平面拥有65536个码位，共1114112个。然而目前只用了少数平面。UTF-8、UTF-16、UTF-32都是将数字转换到程序数据的编码方案。

GBK

在此之前，和中文字库有关的编码标准有：国标GB码、GBK码、港台BIG-5码等，由于在使用过程中发现字不够用，于是中国国家标准总局发布了一套国家标准GB2312，由北大方正开发，共收录21003个汉字。后来又出现对于人名、古汉语等方面出现的罕用字，GB 2312不能处理，这导致了后来GBK及GB 18030汉字字符集的出现。
GBK 向下与 GB 2312 编码兼容，采用双字节表示，总体编码范围为 8140-FEFE，首字节在 81-FE 之间，尾字节在 40-FE 之间，剔除 xx7F 一条线。共收录了21003个汉字。

UTF-8

由于UNICODE比ASCII占用大一倍的空间，而对ASCII来说高字节的0对他毫无用处。为了解决这个问题，就出现了一些中间格式的字符集，他们被称为通用转换格式，即UTF（Unicode Transformation Format）。常见的UTF格式有：UTF-7, UTF-7.5, UTF-8,UTF-16, 以及 UTF-32。
UTF-8编码是针对Unicode的一种可变长度字符编码，使用1-4个字节来存储一个字符，最大的特点是可变长度，最大长度是4个字节。从上表可以看出，4字节模板有21个x，即可以容纳21位二进制数字。
因为可以用来表示Unicode标准中的任何字符，而且其编码中的第一个字节仍与ASCII相容，使得原来处理ASCII字符的软件无须或只进行很少修改后便可继续使用，所以UTF-8逐渐成为电子邮件、网页及其他存储或传送文字的应用中，优先采用的编码。