认识字符集、ASCII、GBK、Unicode、UTF-8

一、标准 ASCII 字符集

ASCII（American Standard Code Information Interchange），美国信息交换标准码，包括了英文、符号等。

标准 ASCII 使用1个字节存储一个字符，首尾是0，总共可以表示128个字符，对于美国人来说完全够用。

二、GBK（汉字内码扩展规范，国标）

汉字编码字符集，包含了2万多个汉字等字符，GBK中一个中文字符编码成两个字节的形式存储。

注意：GBK 兼容了 ASCII 字符集。

GBK规定：汉字的第一个字节的第一位必须是1，例如：

三、Unicode字符集（统一码，也叫万国码）

Unicode 是国际组织制定的，可以容纳世界上所有文字、符号的字符集。

UTF-32，4个字节表示一个字符，有容乃大，缺点就是占存储空间，通信效率变低。

UTF-8，是Unicode字符集一种编码方案，采取可变长编码方案，共分四个长度区：1个字节、2个字节、3个字节、4个字节。

英文字符、数字等只占1个字节（兼容标准 ASCII 编码），汉字字符占用3个字节。

UTF-8 编码方式（二进制）：

例子：

注意：技术人员在开发时都应该使用UTF-8编码！

总结：

注意点：
1、字符编码时使用的字符集，和解码时使用的字符集必须一致，否则会出现乱码。
2、英文和数字一般不会乱码，因为很多字符集都兼容了ASCII编码。

四、iso-8859-1

iso8859-1编码表示的字符范围很窄，无法表示中文字符。但是，由于是单字节编码，和计算机最基础的表示单位一致，所以很多时候，仍旧使用iso8859-1编码来表示。而且在很多协议上，默认使用该编码。

虽然’中文’两个字不存在iso8859-1编码，以gb2312编码为例，应该是’d6d0 cec4’两个字符，使用iso8859-1编码的时候则将它拆开为4个字节来表示：‘d6 d0 ce c4’（事实上，在进行存储的时候，也是以字节为单位处理的）。而如果是UTF编码，则是6个字节’e4 b8 ad e6 96 87’。很明显，这种表示方法还需要以另一种编码为基础。