1分钟理解什么是字符集

男娘i 2024-03-30 11:15 11阅读 0赞

### 什么是字符集? ###

严格来说，计算机无法保存电影、音乐、图片、字符……计算机只能保存二进制码。因此电影、音乐、图片、字符都需要先转换为二进制码，然后才能保存。对于保存字符就简单多了，直接把所有需要保存的字符`编号`，当计算机要保存某个字符时，只要将该字符的编号转换为二进制码，然后保存起来即可。**所谓字符集，就是给所有字符的编号组成总和**。

--------------------

#### ASCII ####

最早的字符集叫 **American Standard Code for Information Interchange**（美国信息交换标准代码），简称 ASCII，由 American National Standard Institute（美国国家标准协会）制定。

**1.鼻祖，ascii，7位(bit) 范围128个字符**

> ASCII 字符集总共规定了 128 种字符规范，但是并没有涵盖西文字母之外的字符。  
> 范围是`0x00 - 0x7F` 共`128个字符`

**2.随之出现扩展ascii， 8位范围256**

> 后来发现，如果需要按照表格方式打印这些字符的时候，缺少了“`制表符`”。于是又扩展了ASCII的定义，使用一个字节的全部8位(bit)来表示字符了，这就叫`扩展ASCII码`。  
> 范围是`0x00 - 0xFF` 共`256个字符`

--------------------

#### GB2312、GBK 、GB18030 ####

**3.中国最早出现`gb-2312`，支持中文**

> GB 2312 就是解决`中文编码`的字符集，由国家标准委员会发布。 同时考虑到中文语境中往往也需要使用西文字母，GB2312 也实现了对ASCII 的`向下兼容`，原理是西文字母使用和 ASCII 中相同的代码。  
> `GB2312` 涵盖了 `6000` 多个汉字。

**4.随之出现`gbk`，扩展的gb-2312,包含复杂中文和繁体**

> GB2312 只涵盖了 6000 多个汉字，还有很多没有包含在其中，又进行扩展。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`

**5.进一步扩展`GB18030`**

> 后来少数民族也要用电脑了，于是我们再扩展，又加了几千个新的`少数民族文字`，GBK扩成了 GB18030。  
> 从此之后，中华民族的文化就可以在计算机时代中传承了。中国的程序员们看到这一系列汉字编码的标准是好的，于是通称他们叫做 “DBCS“（Double Byte Charecter Set `双字节字符集`）

--------------------

#### Unicode（Universal Multiple-ctet Coded Character Set） ####

**6. `unicode`标准字符集统一全球**

> `U+十六进制数字` 代表 **Unicode字符代码**，eg：`U+77E5`

> Unicode之前，世界各个国家都有自己的编码标准，导致国家与`国家之间`的编码转换很有问题。为了把全世界人民所有的所有的文字符号都统一进行编码，于是一个叫 ISO （国际标谁化组织）的国际组织制定了”**Universal Multiple-ctet Coded Character Set**”，简称 **UCS**, 俗称 “**unicode**“。  
> 这样全世界任何一个地区的软件，可以不用修改地就能在另一个地区运行了。虽然我用 IE浏览日本网站，显示出我不认识的日文文字，但至少不会是乱码了。  
> `unicode规定2个字节表示一个字符`。通常会用`U+十六进制数字` 代表 **Unicode字符代码**，eg：`U+77E5`。  
> 对于ASCII里的那些英文“半角”字符，其原编码不变，只是将其长度由原来的8位扩展为16位，高位补0。而其他文化和语言的字符则全部重新统一编码。 这种大气的方案在保存英文文本时会多`浪费一倍`的空间。  
> UNICODE 的范围是 `0x0000 - 0xFFFF` 共`60000`多个字符，其中光汉字就占用了`40000`多个。

--------------------

### 字符编码 ###

> 字符统一成Unicode编码，乱码问题从此消失了。  
> 但是`Unicode`只是一个 `Character Set(字符集)`。字符集只是给所有的字符一个`唯一编号`，但是却没有规定`如何存储`。  
> Unicode最常用的是用两个字节表示一个字符，如果你写的文本基本上全部是英文的话，用Unicode编码比ASCII编码需要多一倍的存储空间，在存储和传输上就十分不划算。  
> 所以又引入了[字符编码][Link 1]

[Link 1]: https://blog.csdn.net/weixin_37646636/article/details/128403399