字符集介绍

对于老程序员来说，ASCII，GBK,UNICODE,UTF-8,UTF-32都是耳熟能详的词汇。但对于新手程序员来说，就可能是略知一二了。本来就来介绍一下这几个词汇的含义，对于初级程序员来说，看完本文的介绍就基本够用了。

一、ASCII

(American Standard Code for Information Interchange)美国信息交换标准代码,实际上是使用一个字节来存储字符的，首位是0，总共可以表示128个字符。

二、GBK

中文字符太多，使用ASCII无法表示出来（用中国人的话来说：还不够我塞牙缝），于是就有了GBK。汉字内存扩展规范（也称国标码），包含2万多个汉字字符，GBK中一个中文字符编码成两个字节（也就是16位）的形式存储。GBK兼容了ASCII字符集（在GBK中，ASCII也是采用一个字节编码）。

例如：我a你，在GBK中的存储形式如下：

 三、Unicode字符集

 对于中文来说，GBK基本够用了，可以表示个字符。但是世界上有那么多的国家，GBK对于世界上那么多的国家来说，也不够塞牙缝，于是就有人发明出了Unicode字符集。Unicode叫统一码，也叫万国码。它是国际组织制定的，可以容纳世界上所有的文字、符号的字符集。

1.UTF-32

utf-32是最早的编码方案，用四个字节表示一个字符。它也兼容ASCII码，但是它跟GBK不一样。它用4个字节表示ASCII码，其中，低八位的值为ASCII码，高位用0补齐。

虽然UTF-32的容量大，但是，太奢侈了。它占用的存储空间非常的大，而且它的通信效率也会变低。比如，只是想传递一个ASCII符号的数据，如果采用ASCII字符集，一个字节就够了。但如果用UTF-32编码，就需要四个字节，整整多了三倍空间，通信效率也会慢三倍。

 如果想传送一个汉字，使用GBK字符集，只需要两个字节；使用UTF-32，就需要4个字节，比GBK多出了一倍。

2.UTF-8

为了解决utf-32的缺点，有人发明出了utf-8的编码方案。这是一套新的为unicode设计的编码方案。

utf-8采取可变长编码方案，共分四个长度区：1个字节，2个字节，3个字节，4个字节。英文字符、数字等只占1个字节（兼容标准ASCII编码），汉字字符占用3个字节。

utf-8的编码方式如下：

 如果是一字节的编码，那就以0开头；如果是二字节的编码，那么，第一个字节以110开头，第二个字节，以10开头；如果是三字节编码，那么第一个字节以1110开头，剩下的字节以10开头；如果是四字节编码，那么第一个字节以11110开头，剩下的字节以10开头。

比如“a我m”这个字符串，在utf-8中，a对应的编码为97（），“我”对应的编码为25105（），m对应的编码为109（）。对于“我”来说，其二进制编码的每一个位会替换掉三字节编码的“x"。

 四、总结

ASCII字符集：只有英文、数字、符号等，占一个字节。

GBK字符集：汉字只占2个字节，英文、数字占一个字节。

unicode字符集：目前使用较多的编码规则是utf-8（也称utf-8字符集），汉字占3个字节，英文、数字占1个字节。

字符编码时使用的字符集，和解码时使用的字符集必须一致，否则会乱码。

英文数字一般不会乱码，因为很多字符集都兼容了ASCII编码。

编码：把字符按照指定字符集编码成字节。

解码：把字节按照指定字符集解码成字符。

学习链接：一听就能懂字符集、ASCII、GBK、Unicode、UTF-8、字符编码、解码、乱码问题的讲解