编码方式和字符集理解

（1）概念

    位（bit）：数据存储的最小单位。位，简记为b，也称为比特，每个0或1就是一个位(bit)。计算机中的CPU位数指的是CPU一次能处理的最大位数。

    字节(Byte)：8 bit就称为一个字节（Byte)。

 

（2）ASCII（美国信息交换标准代码，AmericanStandard Code for Information Interchange）

    如今使用的所说的ASCII码实际是由基础ASCII和扩展ASCII（IBM扩展字符集）组成的。

    基础ASCII又称标准ASCII，使用7位二进制数来表示所有的大写和小写字母，数字0到9、标点符号，以及在美式英语中使用的特殊控制字符，总共有128个。但是ASCII码是用一个字节来存放的，一个字节是8位，多余一位用作检查编码出错的奇偶较验位。

    扩展ASCII码是在原有的7位上加了一位，变成8位，形成扩展ASCII字符集。扩展ASCII字符集包含2^8=256个字符，并且其中的前128个字符与原来的ASCII字符集相同（就是原来的ASCII字符集的7位编码前面加一个0），而后面128个字符高位都是1。后128个字符用来表示附加的128个特殊符号字符、外来语字母和图形符号。

 

（3）Unicode

       Unicode中每个字符都是16位宽，可以代表2^16=25536个字符。它为每种语言中的每个字符设定了统一并且唯一的二进制编码，以满足跨语言、跨平台进行文本转换、处理的要求。但是值得注意的是Unicode只是一个符号集，它只规定了符号的二进制代码，却没有规定这个二进制代码应该如何存储。所以Unicode有了不同的编码方式，包括UTF-8、UTF-16、UTF-32等。Unicode中每个字符都是16位宽，所以8位的值在Unicode中是没有意义的。

 

（4）ANSI编码（AmericanNational Standards Institute，美国国家标准学会的标准码）

       ANSI码：为使计算机支持更多语言，通常使用0x80~0xFF（即128 - 256）范围的 2个字节来表示 1个字符。比如：汉字'中'在中文操作系统中，使用 [0xD6,0xD0]这两个字节存储。对于ANSI编码而言，0x00~0x7F之间的字符，依旧是1个字节代表1个字符。这一点是ANSI编码与Unicode(UTF-16)编码之间最大也最明显的区别。

不同的国家和地区制定了不同的标准，由此产生了 GB2312, BIG5, JIS等各自的编码标准。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。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。不同 ANSI编码之间互不兼容，当信息在国际间交流时，无法将属于两种语言的文字，存储在同一段 ANSI 编码的文本中。 当然对于ANSI编码而言，0x00~0x7F之间的字符，依旧是1个字节代表1个字符。这一点是ASNI编码与Unicode编码之间最大也最明显的区别。

 

（5）双字节字符集（DBCS） 
    最初的128个代码是ASCII,较高的128个代码中的某些总是跟随著第二个位元组。这两个位元组一起（称作首位元组和跟随位元组）定义一个字元，通常是一个复杂的象形文字。

Unicode使用（特别在C程式设计语言环境里）宽字元集。Unicode中的每个字元都是16位元宽而不是8位元宽。在Unicode中，没有单单使用8位元数值的意义存在。相比之下，在双位元组字元集中我们仍然处理8位元数值。有些位元组自身定义字元，而某些位元组则显示需要和另一个位元组共同定义一个字元。

 

ASCII、ANSI、DBCS中两个字节存储的字符，它们的两个字节都可以分解，可以代表不同的意思，合起来才代表一个字符。

Unicode中单个字节是没有意义的，它的最基本的字符都有16位宽。

 

初识编码，有写的不对的地方，请指证。