字符编码教学（字符编码知识整理-汉牛笔记）

字符字符(Character)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、数字等是人类能直接识别和处理的符号，我来为大家科普一下关于字符编码教学?以下内容希望对你有帮助!

字符编码教学

字符

字符(Character)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。是人类能直接识别和处理的符号。

字符集

字符集(Characterset)是字符的集合。

字符编码

计算机只能处理二进制信息，所以需要对每一个字符进行二进制编码。对字符进行编码的二进制代码称为字符编码。

乱码问题

在不同的字符编码标准下，同一个字符的二进制编码可能不同。如果用A编码存储的信息，用B编码去解读，就会出现乱码问题。

---

常见的字符编码

ASCII

American Standard Code for Information Interchange（ASCII - 美国国家信息交换标准码）。一种使用7个或8个二进制位进行编码的方案，最多可以给256个字符(包括字母、数字、标点符号、控制字符及其他符号)分配数值。参见下文《附录：ASCII编码集》。

标准ASCII码是7位编码，对应的ISO标准为ISO646标准，一个字节中多余出来的一位（最高位）在计算机内部通常保持为0。

由于标准ASCII字符集字符数目有限，而且是针对英语设计的，当处理带有音调标号（形如汉语的带声调字母）的欧洲文字时就会出现问题，为此，国际标准化组织又制定了ISO2022标准，将ASCII字符集扩充为8位代码的统一方法，这些扩充字符的编码均为高位为1的8位代码（即十进制数128~255），称为扩展ASCII码。

ANSI

American National Standards Institute（ANSI - 美国国家标准学会），由公司、政府和其他成员组成的自愿组织。

为了扩充ASCII编码，以用于显示本国的语言，不同的国家和地区制定了不同的标准。这些使用2个字节来代表一个字符的各种汉字延伸编码方式，称为ANSI编码，又称为MBCS（Muilti-Bytes Charecter Set，多字节字符集）。在简体中文系统下，ANSI编码代表GB2312编码，在日文操作系统下，ANSI编码代表JIS编码，在宝岛台湾的繁体中文系统下，ANSI编码代表BIG5编码。

GB2312

GB2312码是中华人民共和国国家汉字信息交换用编码，全称《信息交换用汉字编码字符集——基本集》，由国家标准总局发布，1981年5月1日实施，通行于大陆，新加坡等地也使用此编码。共收入汉字6763个和非汉字图形字符682个。

BIG5

大五码（Big5），又称为五大码，一种繁体中文汉字字符集，其中繁体汉字13053个，808个标点符号、希腊字母及特殊符号。是1984年由台湾13家厂商与台湾地区财团法人信息工业策进会为五大中文套装软件（宏碁、神通、佳佳、零壹、大众）所设计的中文内码，是使用繁体中文社群中最常用的电脑汉字字符集标准，在在台湾、香港与澳门地区使用广泛。

Big5码的产生背景：当时台湾不同厂商各自推出不同的编码，如IBM5550、王安码等，彼此不能兼容；另一方面，台湾当时尚未推出官方的汉字编码，而中国内地所推行的GB2312编码，亦未有收录繁体字。

GBK

GBK是汉字编码标准之一，全称《汉字内码扩展规范》，Chinese Internal Code Specification，由中华人民共和国全国信息技术标准化技术委员会1995年12月1日制订。GBK采用双字节编码，总计23940个码位，共收入21886个汉字和图形符号，其中汉字（包括部首和构件）21003个，图形符号883个。

Unicode

使用ANSI编码，世界上存在着多种编码方式，在ANSI编码下，同一个编码值，在不同的编码体系里代表着不同的字。导致国际电子邮件和网页经常出现乱码，就是因为信息的提供者可能是日文的ANSI编码体系和信息的读取者可能是中文的编码体系，他们对同一个二进制编码值进行显示，采用了不同的编码，导致乱码。

如果有一种编码，将世界上所有的符号都纳入其中，无论是英文、日文、还是中文等，大家都使用这个编码表，就不会出现编码不匹配现象。每个符号对应一个唯一的编码，乱码问题就不存在了。这就是Unicode编码。

Unicode是一个很大的集合，规定用4个字节存储一个符号，现在的规模可以容纳100多万个符号，世界上的每一个符号的编码都不一样。

UTF

UTF是Unicode Translation Format，即把Unicode转做某种格式的意思。Unicode固然统一了编码方式，但是它的效率不高，比如每个英文字母前都必然有三个字节是0，这对存储和传输来说都很耗资源。为了提高Unicode的编码效率，于是就出现了UTF编码。目前存在的UTF格式有：UTF-7,UTF-7.5,UTF-8,UTF-16,以及UTF-32。

UTF-8

UTF-8是Unicode的一种变长字符编码，又称万国码，使用1到6个字节编码UNICODE字符，比如英文字母可以只用1个字节就够了。

UTF-16

UTF-16比起UTF-8，好处在于大部分字符都以固定长度的字节(2字节)储存，但UTF-16却无法兼容于ASCII编码。

---

附录：ASCII编码集

ASCII编码集