字符集的一些理解

https://www.cnblogs.com/skynet/archive/2011/05/03/2035105.html

主要参见如上文章，

可以理解如下：

电脑中所有的字符都是由0和1组成的，为了表示字符，人们以 8位 作为一个整体进行了编码。在二进制下，8位长度总共可以表示 2的7次方=256个字符。（假设编号为1-256）

这就是最原始的ASCII 字符集。

由于不能满足中文的需求，于是国家在此基础上进行了调整，即：编号1-127个字符与ASCII 字符集的前127个字符相同，编号128-256的两个字符符号连接在一起表示一个汉字，于是就可以表示 128 X 128  = 16384个汉字。这就是GB2312字符集。实际上只用了7000多个汉字，同时还收录了日语的假名，数学和罗马字符等。

由于这种方式仅能保证在某一个地区内可能可以通用。所以需要一个更为统一的标准，于是就有了Unicode字符集。（注意：JVM中所有的字符均为Unicode字符）

Unicode字符集分为3种：

最原始的UTF-32：这种字符集，使用4个字节（4 X 8 位）来表示一个字符，最多可以表示1114112个。 囊括了世界上绝大多数语言及相关字符。保证了每个字符对应的编码的唯一性。（来源：https://baike.baidu.com/item/Unicode）

缺点：4个字节表示一个字符，使得系统对于字符的操作效率大大降低。

于是诞生了UTF-16字符集。

UTF-16：由于人们常用的字符也就是在 2 的（2 X 8 = 16）次方，也就是65536 个字符之内，所以通常用两个字节来表示一个字符已经足以满足绝大多数的情况。极少数需要这65536个字符之外的字符时，采用特殊方式处理。

UTF-8：是一种针对Unicode的可变长度字符编码。优势劣势的话参见原文章。目前最为通用的编码。