1分钟理解什么是字符集（Character Set）

[Q&A] 什么是字符集?

严格来说，计算机无法保存电影、音乐、图片、字符……计算机只能保存二进制码。因此电影、音乐、图片、字符都需要先转换为二进制码，然后才能保存。对于保存字符就简单多了，直接把所有需要保存的字符编号，当计算机要保存某个字符时，只要将该字符的编号转换为二进制码，然后保存起来即可。所谓字符集，就是给所有字符的编号组成总和。

ASCII

最早的字符集叫 American Standard Code for Information Interchange（美国信息交换标准代码），简称 ASCII，由 American National Standard Institute（美国国家标准协会）制定。

1・鼻祖，ascii，7位(bit) 范围128个字符

ASCII 字符集总共规定了 128 种字符规范，但是并没有涵盖西文字母之外的字符。
范围是：00000000 - 01111111 即 0x00 - 0x7F ，共128个字符

2・随之出现扩展ascii， 8位范围256

后来发现，如果需要按照表格方式打印这些字符的时候，缺少了“制表符”。于是又扩展了ASCII的定义，使用一个字节的全部8位(bit)来表示字符了，这就叫扩展ASCII码。
范围：00000000 - 01111111 即0x00 - 0xFF ，共256个字符

GB2312、GBK 、GB18030

3・中国最早出现gb-2312，支持中文

GB 2312 就是解决中文编码的字符集，由国家标准委员会发布。 同时考虑到中文语境中往往也需要使用西文字母，GB2312 也实现了对ASCII 的向下兼容，原理是西文字母使用和 ASCII 中相同的代码。
GB2312 涵盖了 6000 多个汉字。

4・随之出现gbk，扩展的gb-2312,包含复杂中文和繁体

GB2312 只涵盖了 6000 多个汉字，还有很多没有包含在其中，又进行扩展。扩展之后的编码方案被称为 GBK标准，GBK包括了GB2312 的所有内容，同时又增加了近20000个新的汉字（包括繁体字）和符号

5・进一步扩展GB18030

后来少数民族也要用电脑了，于是我们再扩展，又加了几千个新的少数民族文字，GBK扩成了 GB18030。
从此之后，中华民族的文化就可以在计算机时代中传承了。中国的程序员们看到这一系列汉字编码的标准是好的，于是通称他们叫做 “DBCS“（Double Byte Charecter Set 双字节字符集）

Unicode（Universal Multiple-ctet Coded Character Set）

6・unicode标准字符集统一全球

Unicode之前，世界各个国家都有自己的编码标准，导致国家与国家之间的编码转换很有问题。为了把全世界人民所有的所有的文字符号都统一进行编码，于是一个叫 ISO （国际标谁化组织）的国际组织制定了”Universal Multiple-ctet Coded Character Set”，简称 UCS, 俗称 “unicode“。这样全世界任何一个地区的软件，可以不用修改地就能在另一个地区运行了。虽然我用 IE浏览日本网站，显示出我不认识的日文文字，但至少不会是乱码了。

Unicode的范围：000000000000000 - 1111111111111111 即0x0000 - 0xFFFF ，共60000多个字符，其中光汉字就占用了40000多个。

Unicode规定2个字节表示一个字符。 通常会用U+十六进制数字 代表 Unicode字符代码，eg：U+77E5。

对于ASCII里的那些英文“半角”字符，其原编码不变，只是将其长度由原来的8位扩展为16位，高位补0。而其他文化和语言的字符则全部重新统一编码。 这种大气的方案在保存英文文本时会多浪费一倍的空间。

[Q&A] 什么字符编码?

字符统一成Unicode编码，乱码问题从此消失了。 但是Unicode只是一个字符集。字符集只是给所有的字符一个唯一编号，但是却没有规定如何存储。 Unicode最常用的是用两个字节表示一个字符，如果你写的文本基本上全部是英文的话，用Unicode编码比ASCII编码需要多一倍的存储空间，在存储和传输上就十分不划算。所以又引入了 字符编码