字符集和字符编码

字符集（Charset）

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，人们从日常生活中接触到的字符的集合，计算机无法识别。

常用的字符集

常见字符集名称：ASCII字符集、GB2312字符集、BIG5字符集、GB18030字符集、通用字符集（Universal Character Set，UCS）、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。
其中当前中文简体用的是GB2312；
Unicode字符集是基于通用字符集（Universal Character Set）的标准来发展;

字符编码（Character Encoding）

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（如字母表或音节表），与其他东西的一个集合（如号码或电脉冲）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；即通过计算机可识别的0或1组成的一串2进制数据代表字符；

常用的字符编码

常用的字符集编码：ASCII编码、EASCII编码、UTF-8、UTF-16、UTF-32；

字符编码和字符集的对应关系

字符集 字符编码 备注 ASCII ASCII GB2312 EASCII 不同的字符集如简体中文、繁体中文等字符集共用相同编 码区，计算机通过代码页进行切换不同的编码 UCS Unicode UTF-8 Unicode UTF-16 Unicode UTF-32

Unicode是字符集，可以通过UTF-8、UTF-16、UTF-32表示，但是由于UTF-16表示字符集更符合Unicode的规则，所以说Unicode编码是通常指的是UTF-16编码，其实不存在Unicode编码，如vs中的Unicode就是表示UTF-16编码；
对于按照EASCII编码表示的字符集如简体中文（简体、中国）（GB2312），中文（简体、新加坡），由于共用相同的编码区，所以出现了代码页的概念，操作系统中只有设置相依的代码页，显示正常；
但是，在电脑上做测试出现一个问题：
当我把代码页切换到英语（美国）的时候，盘符上的汉字无法显示、乱码；而文件夹路径中的中文正常显示；感觉好像盘符存在的文件为ASCII编码，而注册表为Unicode编码；

VS的看字节编码和多字节编码

操作系统为Unicode编码，所以系统函数原型为宽字节函数，而系统提供的单字节编码，是将宽字节函数封装了一层，也就是先用宽字节函数调用然后再通过宽字节转换为多字节函数，输出为单字节字符串，在转化过程中用的代码页为本地计算机设置的代码页；
计算机设置本地代码页为英语（美国）的代码页，VS在多字节编码下，用系统函数获取中文路径为乱码的原因：由于在多字节编码中，VS自动将获取系统函数映射为单字节函数，也就是先调用宽字节函数，在将宽字节转换为本地代码页下的多字节，由于英语（美国）的代码页不存在中文，所以转换结果中出现’?’，造成获取系统文件名出问题；解决方案：计算机为英语（美国）代码页，VS在多字节编码设置时，读取中文路径可以通过强制使用宽字节函数，获取一个宽字节下的文件路径，然后通过宽字节转换为多字节，这里代码页参数为简体（中文）或UTF-8；转换后虽然调试时为乱码，但是数据没有问题，可以将数据通过多字节转换为宽字节，就可以显示中文；

---