常见的字符编码格式(详解)

无论是编程人员，还是人们日常生活使用，往往会因为对字符编码格式不清晰而产生一些困扰，下面这篇文章就对常见的字符编码格式进行详细的解释

常见的字符编码格式有：标准ASCII码,扩展ASCII码，Unicode,UTF-8,GB2312,BIG5,GBK,GB18030

1.标准ASCII码

  产生时间：ASCII码第一次以规范标准的类型发表是在1967年，最后一次更新则是在1986年

编码数量：至今为止共定义了128个字符，以一个字节表示，这个字节的最高位固定为0，用其余七位二进制数表示128个字符。

表示内容：所有的大写和小写字母，数字0~9，标点符号，以及在美式英语中使用的特殊控制字符

弊端：表示的字符数量有限，无法在全球范围内广泛使用，目前常见的使用领域多为编程领域

掌握程度：程序员需要熟记常见的ASCII编码，如大小写字母，数字0~9等等。非程2序员了解即可

2.扩展ASCII码

产生原因：由于ASCII码表示的字符数量有限，只能表示英文的字符，无法适用于欧洲的其它国家，更无法适用于亚洲国家，比如汉字就多达10万个，数量是远远无法满足需求的，因此一些欧洲的国家就决定利用字节中闲置的最高位编入新的符号。

编码数量：256个字符

表示内容：0~127表示的字符和标准ASCII码表示的字符一样，128~255这一段每个国家所代表的字符都不一样

弊端：即使表示的字符数量增加了一倍，但由于每个国家的编码都不一样，所以使用范围被大大缩小，局限性很高

掌握程度：只限了解

3.Unicode

产生原因：当互联网迅猛发展，地域限制被打破之后，人们迫切的希望有一种统一的规则，对所有国家和地区的字符进行编码，于是Unicode编码就产生了

简介：Unicode是国际标准字符集，它将世界各种语言的每个字符定义一个唯一的编码，以满足跨语言，跨平台的文本信息转换

表示内容：Unicode字符集的编码范围0x0000~0x10FFFF，可以容纳一百多万个字符，每个字符都有一个独一无二的编码，也即每个字符都有一个二进制数值和它对应，这里的二进制数值也叫码点。例如：汉字 "中" 的码点是0x4E2D，大写字母 A 的码点是0x41

下面来区分两个重要的概念：字符集和字符编码

字符集：字符集是多个字符的集合，如上述例子 “中” 和 A 等，都是字符集中的成员

字符编码：是字符集的一种实现方式，把字符集中的字符映射位特定的字节或字节序列，它是一种规则

例如：Unicode只是字符集，UTF-8 , UTF-16 , UTF-32才是真正的字符编码规则

Unicode字符存储：Unicode字符集的编码范围是0x0000~0x10FFFF,因此需要1~3个字节来表示，很明显并不是所有的字符都能用一个字节来表示，同样，也不是所有的字符都需要三个字节来表示，否则这将会极大的浪费计算机的内存空间，因此就出现了多种存储方式，常见的有UTF-8 , UTF-16 , UTF-32 , 它们分别用不同的二进制格式来表示Unicode字符，对于各种编码规则这里就不单独介绍了

使用：现如今经常使用的编码方式是UTF-8，在很多编程软件以及文本文件中最常见的就是UTF-8编码格式

掌握：一般只需要对编码格式有一些大体的了解就行，如果要深入学习，推荐学习UTF-8编码格式

以下介绍的四种编码格式均为汉字编码格式，其中GB2312 , GBK , GB18030均为中国大陆制定的中国汉字编码国家标准，是我国计算机系统必须遵循的基础性标准 ， BIG5标准为繁体字格式，是台湾地区使用的编码格式

4.GB2312

简介：是1980年制定的中国汉字编码国家标准

表示内容：共收录7445个字符，其中汉字6763个，兼容标准ASCII码

编码方式：采用扩展ASCII码的编码空间进行编码，一个汉字占用两个字节，每个字节最高位为1

5.GBK

简介：指定于1995年

表示内容：兼容GB2312以及BIG5编码中的所有汉字，共有23940个码位，收录了21003个汉字，CBK向下与GB2312编码兼容，向上支持ISO 10646.1国际标准，是前者向后者过度过程中的一个承上启下的产物。

编码方式：使用双字节编码，编码空间为0x8140~0xFEFE

6.GB18030

简介：是我国指定的以汉字为主并包含多种我国少数民族文字（如藏，蒙古，傣，彝，朝鲜，维吾尔等）的超大型中文编码字符集强制性标准，其中收入汉字70000余个，是我国计算机系统必须遵循的基础性标准之一

7.BIG5编码

简介：称为繁体中文编码，主要在我国台湾地区使用