字符集_什么是字符集和编码？

点击上方蓝字设为星标

每周一、三、五上午 8:30 准时推送

下面开始今天的学习～

在介绍字符集和编码之前，我们需要明确几个概念，第一个概念非常简单，那就是——计算机中存储的信息都是二进制存储的。所以无论我们需要存放和读取什么内容，最终都是以二进制存储的，但是我们的存放的内容可能有多种不同的格式(图片，文本，视频等)，本文将从文本在计算机中的存取为例，帮助大家快速第理解一下字符集，编码以及相关的“玄学”内容。

在互联网初期，各大字符集如同编程语言一样希望一统天下，在 2000 年 ~ 2012 年阶段，各大字符集对于互联网的占领情况如下图所示：

关于字符编码集，我们脑中会出现的概念有——UTF-8，ASCII 等，但是如果细问这些概念之间有什么关系的话，想必许多人都无法正确地区分清楚。

以对称加密算法作为例子，编码可以理解为加密，解码可以理解为解密，我们常见的文本(就比如你现在在看的这篇文章)，可以理解为密码学中的明文，在存放的过程中，通过一种方式把它“加密”为计算机可以阅读的形式，一般来说，这里的“加密算法”就是我们要讲到的字符编码。

如果编码和解码的方法不一样的话，对于我们表现出来的形式就是“乱码”，用一个生活中的例子来比喻就是，一个英国人为了表示祝福在纸上写了 bless(编码过程，祝福->bless)。而一个法国人拿到了这张纸，由于在法语中 bless 表示受伤的意思，所以认为他想表达的是受伤(解码过程，bless->受伤)。

字符的集合就叫字符集，定义字符集中的字符如何编码为特定的二进制数，以便在计算机中存储。字符集和字符编码一般一一对应，但是大家经常听到的 Unicode 和 UTF-8 就是一个例外，Unicode 是字符集，UTF-8 是 Unicode 的一个实现。

在实际的编程中，我们经常需要在各个字符集之间转换，但是往往由于缺乏对目前正在处理的字符的了解，而产生各类的问题。

简单起见，我们快速认识一下一些常见名称对应的概念(感兴趣的同学可以根据上图进行更为详细的了解)：

• ASCII 码是一个字符集，同时它的实现也只有一种，因此它也可以指代这个字符集对应的字符编码

• GB18030 是一个字符集，主要是中国人为了解决中文而发明制定的，由于它的实现也只有一种，所以它也可以指代这个字符集对应的字符编码

• Unicode 是一个字符集，为了解决不同字符集码表不一致而推出的，统一了所有字符对应的码，因此在这个规范下，所有字符对应的码都是一致的(统一码)，但是统一码只规定了字符与码表的一一对应关系，却没有规定该如何实现，因此这个字符集有多种实现方式(UTF-8,UTF-18,UTF-32)，因此这些实现就是对应的字符编码。也就是说，Unicode 统一约定了字符与码表直接一一对应的关系，而 UTF-8 是 Unicode 字符集的一种字符编码实现方式，它规定了字符该如何编码成二进制，存储在计算机中。

这里可能有小伙伴会想到，诶，我们常常听说的 base64 是什么呢？字符集？字符编码？还是加密算法？

其实 base64 是一个编码方式，就是出64个字符(小写字母a-z、大写字母A-Z、数字0-9、符号"+"、"/"(再加上作为垫字的"="，实际上是65个字符))作为一个基本字符集。然后，其他所有符号都转换成这个字符集中的字符，所以虽然 base64 编码后的字符串非常像密码，但是它依然不是密码。虽然不能当作密码使用，但是可能对于非科班毕业的同学来说，乍一眼会理解成一个非常复杂的密码，那么这里就有做文章的空间啦~

看完这篇文章，你是否已经大致了解了字符集，编码的概念呢？有兴趣的小伙伴还可以去了解一下字符转换，或者用编码做一张图片去考考你的小伙伴哦～

本文作者：Nova Kwok

编辑&版式：霍霍

声明：本文归 “力扣” 版权所有，如需转载请联系。