Charset与 Encoding区别

在绝大多数情况下，包括某些专业文章中，字符集和编码都统称为编码，这是因为一个字符集往往对应一种编码。但是在程序中，我们来不得半点马虎，我们应该清楚地知道字符集和编码有什么区别。以 ASP.NET 为例，Response.Charset 和 Response.Output.Encoding（只读）中的 Charset 和 Encoding 有什么区别呢？

Charset 是字符集，Encoding 是编码。

• 字符集即字符的集合，规定了在这些集合里面有哪些字符，每一个字符都有一个编号（一个整数），但这只是编号不是编码。
• 
  
• 编码就规定了一个编号如何与二进制交互。

我们大多数人最先接触到的字符集是 1963 年的 ASCII，其中的每一个字符只需要用一个字节来表示就可以了。但世界上有许多种语言，像亚洲文字，比如中文，常用汉字就几千个，仅用一个字节来表示显然是不够的，假如我们使用两个字节。

那么问题就来了，为什么我们要把两个字节看成是一个汉字的编号呢？为什么我们不把两个字节看成 ASCII 字符集的两个编号呢？为了解决此问题，就得使用编码来标识了。

还有一个问题，编号（整数）1234 在字符集 A 中代表“千”，1234 在字符集 B 中代表“一”，那么 1234 究竟代表什么字呢？这就得明确字符集了。

浏览器可以自动识别使用哪个字符集，一般说来它们使用 HTTP 头部的 Content-Type 标明的字符集，如果没有向 HTTP 头部发送该信息，一般参考使用 HTML 的 head 标签中的 <meta http-equiv="Content-Type" content="text/html; charset=gb2312" />，为什么是参考使用呢？因为现在浏览器都比较聪明，如果发现这里用错了，一般会给予纠正。

我们做网页时，如果指定的 Charset 是 GB2312，那么就不应该在网页中出现繁体字，因为 GB2312 标准只有几千个简体的中文字。如果我们的网页编码是 UTF-8，我们就不要指定字符集是 GB2312，因为虽然 UTF-8 编码对应的 UTF-8 字符集包含了 GB2312 的字符，但同一个字符在两个字符集中的编号不一样。

对于我们中文简体网页，一般来说有两种搭配：

• 一种是字符集是 GB2312，编码使用 ANSI。占用磁盘空间最少，网络传输效率最高。
• 一种是字符集是 UTF-8，编码使用 UTF-8。虽然占用磁盘空间大，传输效率略低，但因为兼容面广，在应用 Ajax 以及包含多种语言文字时使用方便。鉴于此原因，现在许多网页开发工具都默认使用 UTF-8 来保存网页，比如要谈编码就要先谈两个十分容易混淆的概念，一个是编码字符集 (Coded Character Set)，一个是字符编码方案 (Character Encoding Scheme)。

编码字符集就是将字符集中每个字符赋一个数字代码 ，这是为了便于计算机处理。编码字符集一般由标准组织制定，Unicode就是典型的编码字符集。一个编码字符集必定对应一个字符集，Unicode编码字符集对应Unicode字符集，那么什么是字符集呢？

字符集是一个字符的集合，它规定这个集合包含哪些字符 。Unicode字符集包含所有Unicode字符，这几乎囊括了世界上所有语言的文字。一个更小的字符集是ASCII字符集，它只有128个字符，包含 52个字母、10个数字、一些标点符号和一些控制字符。一个字符集想要被计算机表示，首先要将它映射成数字代码，因为计算机本质上只能表示数字，这是由编 码字符集定义的。如何存储这些数字代码就涉及到字符编码方案了。

字符编码方案定义如何将数字代码映射成字节序列 。有人可能就要问了，有必要这么麻烦吗，代码1不就映射成字节1，代码2不就映射成字节2，依次类推。的确如果，字符集的不超过256个字符，这是一种非 常合理简单的编码方案，每个字符只用一个字节来表示就可以了。但是如果字符集大小超过256个且不超过65536个，每个字符就需要2字节来编码，如果字 符集包含更多的字符就需要使用更多的字节来编码一个字符，这种编码方案称为定长编码 ，例如GB2312就是采用这样的编码方案。这种编码方案很简单但是却存在问题，它对常用的和生癖的字符都使用同样的长度来编码，这很浪费存储空间，一种更好的编码方案是使用变长编码 ，它对常用的字符使用一个字节来编码，对不常用的字符使用两个字节来编码，而对非常生癖的字符使用三个或更多的字节来编码。Unicode编码字符集的一 种变长编码方案是就是UTF-8，它的定长编码方案称为UTF-16。需要注意的是，既然涉及到多个字节就需要注意字节序了，因此UTF-16又分为 Big Endian UTF-16和Little Endian UTF-16。UTF-8只能有一种字节序，这是因为字符编码之后的字节之间存在依赖关系。

最后什么是编码呢？编码是编码字符集和字符编码方案的一个组合 ，它可以将字符集中的字符映射成字节序列。编码隐含着编码字符集和字符编码方案，从而也隐含着字符集。例如UTF-8是一种编码，它是Unicode编码 字符集和UTF8编码方案的一个组合。GB2312也是一种编码，它的编码字符集就是编码的简体中文字符集，编码方案采用定长编码。实践中经常混用编码字 符集和编码这两个概念，这是因为大多数编码字符集都只有一种编码方案，这样的编码字符集(或者说编码)包括GB2312, GBK, ASCII, ISO8859-1等。但是当编码字符集存在多种编码方案时，就有必要区分编码字符集和编码了，例如我们说Unicode时一般是指编码字符集，说 UTF-8，UTF-16时才是指编码。

编码就是 索引键，索引键对应了字符
字符集就是 一张键值表

不同的字符集会有不同的索引键派分方式

例如
1 在 A 字符集内对应了 a
1 在 B 字符集内对应了 b
如果用A字符集写入，读取时却说它是B字符集那么应该显示成a的东西就变成了b。
如果 1 在 B 字符集内是“乱码”，那么这个时候应该显示成a的东西就变成“乱码”了。