字节与字符，字符与字符集

1.先转载两篇关于字符和字符集的文章，很全面且详细

（1）字符集和字符编码（Charset & Encoding）

（2）字符编码与字符集的区别

 

2.字节 Byte

字节是计算机存储容量的计量单位，比如一张图片占用的存储容量是3000字节

与字节密切相关的是比特bit，bit是数据传输的计量单位，我们知道1个字节占用8个二进制位，即【1Byte=8bit】

每个二进制位都有0和1两种状态，因此1字节的8个二进制位，能表示256种状态为，即2的8次方

那么大家平常说的1KB=1024B，1MB=1024KB，这里面的B指的是字节Byte

 

2.字符 Character 或者 Char

字符是我们生活中常见的一种符号，比如字母 a，它就是一个字符

一个汉字，比如 中国的“中”，它也是一个字符，并且我们电脑键盘上面的各种字母，标点符号等等都是字符

平常会听到有人说，1个中文字符占用2个字节，1个数字或者英文字符占用1个字节

对于这种说法，其实没有什么对错之分，如果他能帮你理解字符和字节的区别，你这样记着未尝不可

 

3.字符集

上面说字母 a，就是一个字符，那么 alibaba 则组成了一个字符串

但字符串，并不是字符集，这到时要严格区分

我的理解是：字符集就是用来实现字节与字符之间的映射而产生的，为什么这么说呢

因为字节是计算机的容量的计量单位，而字符则是现实生活中的抽象，对于计算机而言

它是没办法直接理解字符的，因此要定义字符和字节之间的映射，那么字符集就是这样产生的，常见的字符集有

 

字符集	每个字符占用字节数
ASCII	1
UCS-2	2  （UCS 即 Unicode CharSet）
UCS-4	4
UTF-8	1-6  其中1个中文占2个字节
UTF-16	2-4
GB2312	1-2  其中1个汉字占2个字节
GB18030	1-4

 

所以我们再来看上面那句话：1个中文字符占用2个字节，其实不太对，要看你用的什么字符集

对于各种字符集无非是为了适用各种语言的需要，比如在美国使用ASCII字符集就够用了

因为 ASCII 每个字符用1个字节表示，而每个字节占8个二进制位，总共就有 256 种形态了，完全够用

但是对于中文来说，就不够用了，所以产生了GBK这种字符集

 

而我们学Java的都知道，JDK定义一个字符占用2个字节，其实就是UCS-2字符集

USC-2 因为1个字符占2个字节，能表示65536种形态，在全世界范围内，基本够用了

因此Java号称使用Unicode字符集编码字符，在任何地方都是通用的

 

同时，也有这样的定义

Double Byte Character  Set ：DBCS 即双字节字符，始终使用2个字节表示一个字符，就是 UCS-2

Multi Byte Character Set：MBCS 即多自己字符，其实就是可变字节字符，因为不同的字符，占用的字节数可能不同

注意：除了 UCS-2 我们称之为双字节字符，其余都定义为 MBCS

 

4.字符编码

这又是一个容易混淆的概念，不过大体上把它当做字符集编码，也是没问题的

比如我们是GBK编码，或者UTF8编码，基本上就等同于GBK字符集或者UTF8字符集

我认为，字符编码是字符集的一种具体实现方式，你可以认为字符集是一种抽象的类，而字符编码则是具体的对象