字符编码的总体认识及若干问题

一．首选得弄明白一些概念，如下：

字符（Character）

一个文字就是一个字符。在计算机中，字符是用数字来表示的，不同的文字用不同的数字表示。

字符集（Character Set）

既然是“集”，也就是“集合”，“字符集”自然就是“一定量字符的集合”。

一个字符集包含了固定数量的字符，如ASCII字符集包含A-Z、a-z、0-9、半角标点符号和特殊控制符号（如换行符）在内的128个字符。

字符编码（Encode）

编码，意思是指将数据通过一定方式表达或储存，这个方式就叫编码。所以字符编码就是字符的表现、储存方式，也就是字符集的实现方式。

 

代码页（code page）

是每一种编码方式的代号。这 是对照表：http://wenku.baidu.com/link?url=Aycytp_L-ogY1kPWq_Fc02sYrbpmPoIP-jPU6nfr73-Ap0nHYOEm2rShqS8Xiq3-k0NDgKpyoIijZY1yUwPG-ydXGJSYAan8X_rLP9Z5mBu

 

从上可以看出，字符集是字符的集合，字符编码是把字符集的实现方式。但需要注意的是：有的字符编码和字符集的名称是一致的。

 

 

二．然后来看一幅我总结的图：

首选是ASCII码然后发展为EASCII，它们没有字符集和编码格式的区别。

然后中国人发明了自己的汉字表示法--GB2312,之后又对它进行了扩充产生了GBK，它们的代码页都是cp936。再后来又产生了GB18030,对GBK再次进行了扩充，貌似还能表示日语和韩语，代码页是cp52936。这些的字符集和编码方式命名相同。

世界人发明通用字符表示法—Unicode/UCS,它又分为UCS-2和UCS-4，注意这只是字符集，是一张字符和序号对应的表而已。UTF-8/UTF-16/UTF-32才是各种编码实现，当然Unicode的编码方式还有其他实现。

 

Unicode和UCS区别：原来它们是由两个不同组织开发的，不过后来它们意识到了合并的必要性，于是现在基本没区别了。

 

UCS-2和UCS-4区别：前者用两个字节表示，后者用4个字节表示，因此后者比前者容量更大。UTF-8和UTF-16就是UCS-2的实现，UTF-32是UCS-4的实现。

 

混淆点：UTF-8不是UCS-2的实现吗，怎么有些字符编码占了3个字节？这里的8不是指每个字符用8位表示，而是传输是按8位传。至于为什么占3个字节，前面说过UCS-2是字符集，它用16位编码，但是没有限定具体实现方式用什么方式保存和传输，故UTF-8用1～3个字节保存或者传输。

 

以上只是个人理解，但实际上我也根据自己的理解解决了很多实际遇到的问题。