理解字符集、字符编码、ASCII、Unicode、UTF-8

欢迎分享。 转载请注明（地址：http://blog.csdn.net/mvplinchen888/article/details/41542037）。

 

开发人员和经常使用计算机的朋友们肯定会遇到ASCII、UTF-8、Unicode、GB2312这些词汇，相信很多人是一头雾水、似懂非懂。下面我以尽量以通俗易懂的方式谈谈我的理解。

 

“字符集”和“字符编码”

要弄明白这些名词，首先要理解“字符集”和“字符编码”的概念。

“字符集”是一种“集合”，“字符编码”是“一种“编码”，我们先来看看“集合”和“编码”指的是什么。

 

举个例子，彩虹有7种颜色，▉  ▉  ▉  ▉  ▉  ▉  ▉。我们可以把这7种颜色作为一个集合，这个集合中有7个元素，每个元素为一种颜色。

这个时候问题来了，张三看到了▉，想告诉旁边的李四他看到了▉，那他怎么向李四表达呢？

于是，聪明的张三和李四将这些颜色分别起了名字，叫做“红、橙、黄、绿、青、蓝、紫”。这样，张三就可以跟李四说：“我看到了红色。”，然后李四就能明白，张三看到的颜色是▉。

聪明的张三和李四又给这些颜色起了另外一套名字，叫做“red, orange, yellow, green, cyan, blue, purple”。这时张三跟李四说“我看到了red”，李四也能明白，张三看到的颜色是▉。

 

现在，大家可能对“集合”和“编码”有了一定的理解。

“集合”指的是将同一种类型的元素作为一个整体。比如，我们可以把{ ▉  ▉  ▉  ▉  ▉  ▉  ▉ }称为一种“颜色集”，集合中的元素都是颜色。

而“编码”就是指这些元素在某种“记录方式”下得表示形式。比如“红、橙、黄、绿、青、蓝、紫” 是 {▉  ▉  ▉  ▉  ▉  ▉  ▉ } 这个集合在“声音”这种记录方式下的一种表示形式，而“red, orange, yellow, green, cyan, blue, purple”是在“声音”这种记录方式下得另外一种表示形式。

 

现在回到“字符集”和“字符编码”。字符集指的是：元素为“字符”的集合。字符编码指的是：在“计算机”这种记录方式下，字符的表示形式。

因为在计算机的世界中，只有‘0’和‘1’，没有‘A’、‘B’、‘C’、‘D’或‘春’、‘夏’，‘秋’，‘东’。所以‘A’在计算机中只能表示成比如‘01000001’这种形式。

 

ASCII、UTF-8、Unicode、GB2312

对“字符集”和“字符编码”有了一定的认识后，再来ASCII、UTF-8、Unicode、GB2312这些东西。

 

ASCII是一种字符集，收录了128个字符，包括英文字母，数字，一些符号，和一些控制字符。

因为ASCII只有一种编码方式，所以ASCII同时也是一种字符编码。

ASCII诞生时间很早，在计算机世界中是地位很高的“元老”，所有的计算机系统都支持ASCII。

 

然而，因为ASCII诞生时间早，所以他有一个很严重的缺点，就是字符太少了，只有英文和数字！没有中文！没有日文！没阿拉伯文！只有英文！。

然后，各路计算机大神们一起发明了另一套字符集，就是万能的Unicode。

Unicode可以收录大约43亿个字符！这样就可以把全世界所有语言的字符都收录进来了，甚至一些表情字符（如Emoji），甚至将来如果发现了火星文，都能收录进来。这可比ASCII那可怜的128个字符强多了，怎一个NB了得。

所以，Unicode是一种字符集。而Unicode有很多种编码方式，其中，UTF-8就是最流行，使用最广泛的一种编码方式。

 

那GB2312是什么呢？GB2312是中国大陆在80年代发布的一种针对汉字的字符集和编码。在中国大陆的Windows系统中全部支持GB2312。但是，在当今的互联网时代，全世界人民都在使用作为“世界标准”的Unicode和UTF-8。作为“中国大陆标准”的GB2312渐渐退出了历史舞台。

 

乱码

最后来说说“乱码”和的问题。

有时，我们会看到在别人那显示的好好的中文，在自己这里显示的却是乱码。原因只有一个，就是你的软件（比如word）的使用的解码方式和你当前打开的文件的编码方式不一致！

大家再仔细想想，我们有没有看到英文乱码的情况？ 好像没有！没错！ 为什么呢？因为Unicode或GB2312这两个字符集都包含了ASCII那128个字符！这128个字符的编码方式也与ASCIi是一致的！

 

相关推荐文章：

字符集和字符编码（Charset & Encoding）

字符编码笔记：ASCII，Unicode和UTF-8