字符编码的发展

字符编码是什么

字符编码也称字集码，是把字符集中的字符编码为指定集合中某一对象,以便文本在计算机中存储和通过通信网络的传递。

我们都知道计算机内所有数据都是用二进制进行表示的，每个二进制位(bit)有0和1的状态。 2.一个字节有8个二进制位，也就是说一个字节有256（2的8次方）种变化，每一个状态对应一个符号，就是256个符号，从0000000到11111111。

字符编码就是在字节和字符之间建立一个映射关系，使得计算机可以用字节存储字符。

ASCII

美国根据自己26个字母定制了一套编码，叫ASCII码；一共规定了128个字符的编码。

32～126(共95个)是字符(32是空格），其中48～57为0到9十个阿拉伯数字。

65～90为26个大写英文字母，97～122号为26个小写英文字母，其余为一些标点符号、运算符号等。

这128个符号（包括32个不能打印出来的控制符号），只占用了一个字节的后面7位，最前面的1位统一规定为0。

GB2312

随着计算机的普及，计算机也来到了中国。在中国我们用的都是汉字，而电脑又不认识中文，这个时候我们自己也设计了一套码表GB2312码表。GB2312编码共收录汉字6763个，其中一级汉字3755个，二级汉字3008个。同时，GB2312编码收录了包括拉丁字母、希腊字母、日文平假名及片假名字母、俄语西里尔字母在内的682个全角字符。

GBK编码

GB2312的出现，基本满足了汉字的计算机处理需要，它所收录的汉字已经覆盖中国大陆99.75%的使用频率。但对于人名、古汉语等方面出现的罕用字和繁体字，GB2312不能处理，于是微软利用GB2312未使用的编码空间，对其进行扩展形成了GBK编码。共收录21886个汉字和图形符号，其中汉字（包括部首和构件）21003个，图形符号883个。

Unicode码（万国码）

Unicode又称为统一码、万国码、单一码，是国际组织制定的旨在容纳全球所有字符的编码方案，包括字符集、编码方案等，它为每种语言中的每个字符设定了统一且唯一的二进制编码，以满足跨语言、跨平台的要求。Unicode制定的内容非常多，为便于讲解，本文仅对Unicode字符集和Unicode编码方案重点讲解

世界上有各种各样的编码语言，每个字符表示的编码字符都是不一样的，而Unicode码就是将世界上所有编码语言汇在一起，每个字符所表示的编码代号都是独一无二的。

UTF-8

但是问题来了原本一个英文ASCII码用1个字节就够了，但是Unicode码就需要3个字节或者更多字节，这造成了存储的浪费，这时候UTF8出现了。

UTF-8，是对Unicode编码的压缩和优化，所以UTF-8包含于Unicode，只是他不再使用最少使用2个字节，而是将所有的字符和符号进行分类：ascii码中的内容用1个字节保存、欧洲的字符用2个字节保存，东亚的字符用3个字节保存。