浅析字符集和字符编码

浅析字符集和字符编码

字符集

即编码字符集（coded character set），可以理解为一个包含了该字符集里每一个元素的key-value表，key是字符，value是该字符对应的二进制序号，学名是代码（又称代码点）。

• ASCII：英文字母、数字

• ISO 8859：向下兼容ASCII（其前128位即ASCII字符集，编号保持不变），针对不同语言有不同版本

  不同ISO版本具体参考这篇☞链接

• GB：汉字的字符集，主要有GB2312， GBK，GB1300， GB10830等

• Unicode：向下兼容 ISO-8859-1，涵盖世界上所有字符，可跨平台

字符编码

使用字符需要把字符的序号存储进内存，而字符编码就是如何将文字编号存储到内存中的规则，即字符集中字符到计算机内实际存储值的映射。

像ASCII码，直接把自己的序号存进内存，因为ASCII只含128个字符，7bits即满足需求（为方便操作用8bits）。

但其他字符集中字符量就大得多，如Unicode，有上百万字符量，为了标识靠后的字符，需要三个字节（2²³=8,388,608），因此，如何存储将字符集存储进内存，使得效率更高，占用内存更小，成了字符编码需要考虑的问题。

字符编码举例

• ASCII：ASCII直接将字符在编码字符集中的序号作为字符在计算机中存储从数值。
• UTF-16：变长的编码方式以16位长位一码元，以1个或者2个码元来表示。
• UTF-8：变长的编码方式，1~4个字节表示一个符号。
• UTF-32：定产的编码方式，32位，4字节。

具体编码实现思想可以看这篇☞[链接

参考：https://blog.csdn.net/guxiaonuan/article/details/78678043?spm=1001.2014.3001.5506

https://blog.csdn.net/nlznlz/article/details/80950596?utm_medium=distribute.pc_relevant_t0.none-task-blog-BlogCommendFromMachineLearnPai2-1.control&depth_1-utm_source=distribute.pc_relevant_t0.none-task-blog-BlogCommendFromMachineLearnPai2-1.control