字符编码、单字节字符编码、双字节字符编码、多字节字符编码

1、基础知识

计算机中储存的信息都是用二进制数表示的，用8位二进制来表示一个字节，这样一个字节就可以表示2的8次方（256）个字符，这样所有的英文字母，标点符号等就都可以被表示出来了，这就是最初的ASCII码，事实上ASCII码只用了127位。

字符集（Charset）：是一个系统支持的所有抽象字符的集合。字符是各种文字和符号的总称，包括各国家文字、标点符号、图形符号、数字等。

字符编码（Character Encoding）：是一套法则，使用该法则能够对自然语言的字符的一个集合（如字母表），与其他东西的一个集合（如二进制字节码）进行配对。即在符号集合与数字系统之间建立对应关系，它是信息处理的一项基本技术。通常人们用符号集合（一般情况下就是文字）来表达信息。而以计算机为基础的信息处理系统则是利用元件（硬件）不同状态的组合来存储和处理信息的。元件不同状态的组合能代表数字系统的数字，因此字符编码就是将符号转换为计算机可以接受的数字系统的数，称为数字代码。

单字节编码：一个字节就表示一个字符，比如典型的ASCII码中的所有字符都是单字节编码的

双字节编码：需要用两个字节来表示一个字符的编码，比如汉字的GBK,GB2312编码

多字节编码：需要用多个字节来表示一个字符的编码，比如Unicode，UTF-8编码

2、常用字符集和字符编码

常见字符集名称：ASCII字符集、GB2312字符集、BIG5字符集、GBK字符集、Unicode字符集等。计算机要准确的处理各种字符集文字，需要进行字符编码，以便计算机能够识别和存储各种文字。

ASCII字符集：主要包括控制字符（回车键、退格、换行键等）；可显示字符（英文大小写字符、阿拉伯数字和西文符号），单字节编码字符集。

ASCII编码：将ASCII字符集转换为计算机可以接受的数字系统的数的规则。使用7位（bits）表示一个字符，共128字符；但是7位编码的字符集只能支持128个字符，为了表示更多的欧洲常用字符对ASCII进行了扩展，ASCII扩展字符集使用8位（bits）表示一个字符，共256字符。ASCII字符集映射到数字编码规则。

GB2312字符集：用两个大于127的字符连在一起时，就表示一个汉字，前面的一个字节（他称之为高字节）从0xA1用到 0xF7，后面一个字节（低字节）从0xA1到0xFE，这样我们就可以组合出大约7000多个简体汉字了。在这些编码里，还把数学符号、罗马希腊的字母、日文的假名们都编进去了，连在ASCII里本来就有的数字、标点、字母都统统重新编了两个字节长的编码，这就是常说的"全角"字符，而原来在127号以下的那些就叫"半角"字符了。

GBK字符集：由于GB2312还是不够用，后来干脆不再要求低字节一定是127号之后的内码，只要第一个字节是大于127就固定表示这是一个汉字的开始，不管后面跟的是不是扩展字符集里的内容。结果扩展之后的编码方案被称为 GBK 标准，GBK 包括了 GB2312 的所有内容，同时又增加了近20000个新的汉字（包括繁体字）和符号等。

GBK、GB2312编码：是将两个字节连在一起表示一个字符，这两个字节分别叫高字节和低字节，GBK的编码中只要高字节代表的字符大于127就表示该字符为汉字，GB2312编码中必须两个字节所标识的字符都大于127才标识这个字符为汉字。

Unicode字符集：Unicode 是基于通用字符集，它是用4个字节来表示一个字符，所以能把目前世界上所有的语言文字字符都表示出来。

Unicode字符编码：UTF-32/ UTF-16/ UTF-8是三种字符编码方案都属于Unicode字符编码，由于Unicode字符编码用4个字节表示一个字符会浪费很多空间，所以UTF-8编码采用一种变长编码规则，如一个英文字母a，只需要一个字节就可以，那么UTF-8编码中a还用一个字节，有些字符需要4个字节才能表示出来，就用4个字节来表示。注意在UTF-8编码中汉字是需要3个字节来表示的。