你脑子里关于字符集的疑问都收录在这！

本文希望解答以下几个问题：

• 什么是字符集，ASCII码、unicode、UTF-8、GB2312、GBK 之间有什么区别？
• 给定一个字符串，如何检测其编码类型
• 如此多的字符集，平时改怎么选用合适的？
• 字符编码之间如何转换？
• 对于mysql，表、字段都有字符集，如何统一选中哪种？
• mysql的utf8mb4是uft8有何区别
• mysql中默认的lantin1字符集又是什么字符集？

ASCII码、unicode、UTF-8、GB2312、GBK 四者有什么区别？

ASCII码

上个世纪60年代，美国制定了一套字符编码，对英语字符与二进制位之间的关系，做了统一规定。这被称为ASCII码，一直沿用至今。
ASCII码一共规定了128个字符的编码，比如空格”SPACE”是32（二进制00100000），大写的字母A是65（二进制01000001）。这128个符号（包括32个不能打印出来的控制符号），只占用了一个字节的后面7位，最前面的1位统一规定为0。
但是对于非英语语言，128个字符远远不够容纳，比如常用汉字就有数万个。于是就延伸了其他的字符编码。

unicode

正如上一节所说，世界上存在着多种编码方式，同一个二进制数字可以被解释成不同的符号。因此，要想打开一个文本文件，就必须知道它的编码方式，否则用错误的编码方式解读，就会出现乱码。为什么电子邮件常常出现乱码？就是因为发信人和收信人使用的编码方式不一样。
可以想象，如果有一种编码，将世界上所有的符号都纳入其中。每一个符号都给予一个独一无二的编码，那么乱码问题就会消失。这就是Unicode，就像它的名字都表示的，这是一种所有符号的编码。
Unicode当然是一个很大的集合，现在的规模可以容纳100多万个符号。每个符号的编码都不一样，比如，U+0639表示阿拉伯字母Ain，U+0041表示英语的大写字母A，U+4E25表示汉字”严”。具体的符号对应表，可以查询unicode.org，或者专门的汉字对应表。

注意：unicode约定了一种符号集，几乎囊括了所有符号，但不是一种具体存储的字符集。 下面要讲的utf-8就是其一种实现方式。

UTF-8

UTF-8就是在互联网上使用最广的一种Unicode的实现方式。
UTF-8最大的一个特点，就是它是一种变长的编码方式。它可以使用1~4个字节表示一个符号，根据不同的符号而变化字节长度。

GBK2312和GBK

GB2312(1980年)一共收录了7445个字符，包括6763个汉字和682个其它符号。汉字区的内码范围高字节从B0-F7，低字节从A1-FE，占用的码位是72*94=6768。其中有5个空位是D7FA-D7FE。

GB2312支持的汉字太少。1995年的汉字扩展规范GBK1.0收录了21886个符号，它分为汉字区和图形符号区。汉字区包括21003个字符

给定一个字符串，如何检测其编码类型？

php中的mb_detect_encoding函数原理是什么
https://segmentfault.com/q/1010000000958096

mysql的utf8mb4是uft8有何区别

http://ourmysql.com/archives/1402

mysql默认的lantin1是什么字符集

http://stackoverflow.com/questions/2708958/differences-between-utf8-and-latin1

MySQL字符集UTF8与GBK之间如何选择

http://www.qttc.net/201207125.html
GBK固定2个字节，UTF-8变长

GBK就是在保存你的帖子的时候，一个汉字占用两个字节。。外国人看会出现乱码，此为我中华为自己汉字编码而形成之解决方案。
UTF8就是在保存你的帖子的时候，一个汉字占用3个字节。。但是外国人看的话不会乱码，此为西人为了解决多字节字符而形成之解决方案。

参考资料

• UTF-8 GBK UTF8 GB2312 之间的区别和关系
• 字符编码笔记：ASCII，Unicode和UTF-8
• 字符集编码的识别
• (精)字符集GBK和UTF8的区别说明